การประยุกต์ใช้อัลกอริทึมการจัดกลุ่มลูกค้าและค้นหาความสัมพันธ์โดยใช้เทคนิค K-Means ร่วมกับ FP-Growth ร้านทรัพย์เจริญ

Application of the algorithm customer segment and association rule base on K-Means and FP-Growth for Supjarern

Name: กรณีย์ ชุมวิจิตรกุล

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : s6107021858017@email.kmutnb.ac.th

Name: มณเฑียร รัตนศิริวงศ์วุฒิ

Organization : มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล

Email : montean.r@it.kmutnb.ac.th

keyword: อัลกอริทึมเคมีน

ThaSH: เหมืองข้อมูล

; อัลกอริทึมเอฟพี-กโรธ

ThaSH: การวิเคราะห์จัดกลุ่ม

ThaSH: อัลกอริทึม

Abstract: งานวิจัยนี้มีวัตถุประสงค์เพื่อพัฒนาอัลกอริทึมการจัดกลุ่มลูกค้าและค้นหาความสัมพันธ์ในการซื้อสินค้า เพื่อเป็นข้อมูลสนับสนุนกลยุทธ์การขายและตอบสนองความต้องการของลูกค้า และนำความสัมพันธ์ของลูกค้าแต่ละกลุ่มไปจัดโปรโมชั่น เพื่อส่งเสริมการขาย ซึ่งผู้วิจัยได้นำข้อมูลการขายสินค้าของธุรกิจค้าปลีกแห่งหนึ่ง เป็นข้อมูลการขายตั้งแต่เดือนมกราคม 2558 ถึง เดือนมกราคม 2560 มีจำนวนนวน 223,929 รายการ นำมาวิเคราะห์แนวโน้มการซื้อสินค้าที่เกิดขึ้นในอดีตด้วยการทำเหมืองข้อมูล โดยใช้โปรแกรม Rapid Miner ผู้วิจัยเลือกใช้ อัลกอริทึม K-Means ในการจัดกลุ่มลูกค้าทั้งหมดออกเป็น 6 กลุ่มโดยใช้เทคนิค Elbow Method ในการคำนวณหาจำนวนกลุ่มที่เหมาะสม จากนั้นนำมาค้นหาความสัมพันธ์พฤติกรรมการซื้อสินค้าที่ซื้อคู่กันด้วยอัลกอริทึม FP- Growth โดยใช้เกณฑ์วัดประสิทธิภาพของกฎความสัมพันธ์ที่ได้ ด้วยค่าสนับสนุนขั้นต่า (Minimum Support) 50 เปอร์เซ็น ค่าความเชื่อมัน (Confidence) 80 เปอร์เซ็น และค่าความสัมพันธ์การซื้อสินค้าร่วมกัน (Lift ) การประเมินประสิทธิภาพกฎความสัมพันธ์ได้ค่าความเชื่อมั่น และประเมินความพึงพอใจในการใช้งานระบบซึ่งผลการประเมินมีค่าเฉลี่ย 4.32 และส่วนเบี่ยงเบนมาตรฐาน 0.32 สรุปได้ว่า อัลกอริทึมที่พัฒนาขึ้นมีประสิทธิภาพอยู่ในเกณฑ์ดี และสามารถนำไปเป็นเครื่องมือในการค้นหาความสัมพันธ์การซื้อสินค้า และการจัดโปรโมชั่นและสามารถนำไปใช้งานได้จริง

Abstract: The development of an algorithm to discover relationships and groups of customers through a database. This will provide organizations with the ability to apply selling strategies and fulfill customer demand, creating cross selling and combining customer relationships to sales promotions. To test the developed system, data from a retail business with secondary storage covering 223,929 sales in January 2015 to January 2017 was used. The data were analyzed focusing on past trends by mining data. Rapid Miner was used as the analysis tool. The K-Mean algorithm was then applied to group all customers into six groups by the day of purchase. The Elbow Method technique was employed to determine the appropriate cluster size. Each customer group was then searched focusing on buying behavior relationship with the FP-Growth algorithm, the criteria to measure was the validity of the relationship rules with Minimum Support at 50 percent, Confidence at 80 percent, and Lift. The system satisfaction assessment. The average result was 4.32 with standard deviation at 0.32. In conclusion, the developed algorithm was found to have good performance and could be used in a real world scenario efficiently.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Created: 2563

Modified: 2563-12-24

Issued: 2563-12-24

บทความ/Article

application/pdf

BibliograpyCitation : ใน King Mongkut's University of Technology North Bangkok Faculty of Information Technology and Digital Innovation. The 16th National Conference on Computing and Information Technology (NCCIT 2020) (p.473-478). กรุงเทพฯ : คณะเทคโนโลยีสารสนเทศและนวัตกรรมดิจิทัล มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

tha

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	NCCIT 2020pp.473-478.pdf	603.85 KB	26	2025-10-19 15:16:36

ใช้เวลา

0.022047 วินาที