استفاده از داده کاوی برای تحلیل رفتار مشتری در برندهای بین‌المللی لوازم آرایشی و بهداشتی

مرتضی صابری اناری¹ فاطمه حسنی² فهیمه هاشمی³

1) عضو هیئت علمی گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد، یزد، ایران
2) دانشجوی مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد، یزد، ایران
3) دانشجوی مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد یزد، یزد، ایران

کد IOI مقاله : AAAB-ABADED
محل انتشار : دومین کنگره بین المللی علوم مهندسی و توسعه شهری پایدار(dtuconf.com)
چکیده :
    صنعت لوازم آرایشی و بهداشتی و مراقبت شخصی در 10 سال گذشته به عنوان یکی از فعال‌ترین و رقابتی‌ترین بخش‌های بازار مصرف‌کنندگان ظهور کرده است. ارزش بازار جهانی صدها میلیارد دلار تخمین زده می‌شود و پیش‌بینی می‌شود که رو به رشد باشد. با این حال، این رشد با افزایش رقابت در برند، افزایش تعداد کانال‌های فروش و پیچیدگی بیشتر در رفتار مصرف‌کننده همراه بوده است. در چنین محیطی، دانش عمیق و مبتنی بر شواهد از رفتار مشتری دیگر یک ابزار تحلیلی غیرضروری نیست و به یک الزام استراتژیک تبدیل شده است. داده‌کاوی و یادگیری ماشینی امکان سیستماتیک کردن استفاده از داده‌های بزرگ و ناهمگن مشتری تولید شده در بسیاری از نقاط تماس مختلف، مانند تراکنش‌های خرید، تعاملات دیجیتال، تعاملات رسانه‌های اجتماعی و برنامه‌های زیبایی، داده‌های برنامه‌های وفاداری و حتی داده‌های چندرسانه‌ای، مانند سلفی‌ها و ویدیوهای آموزشی آرایش را فراهم می‌کنند. با اجرای تکنیک‌های پیشرفته خوشه‌بندی و طبقه‌بندی، تجزیه و تحلیل سبد بازار، مدل‌سازی توالی و سفر، تجزیه و تحلیل احساسات و متن و یادگیری عمیق چندوجهی، شرکت‌ها قادر خواهند بود روندهای رفتاری پنهان را شناسایی کرده و آنها را به گزینه‌های بازاریابی عملیاتی تبدیل کنند. این تصمیمات شامل سفارشی‌سازی پیشنهادات محصول، بهینه‌سازی سبد محصولات و دسته‌بندی‌های آنها، ایجاد تبلیغات آنلاین هدفمند و پیش‌بینی تقاضای منطقه‌ای و کانالی است. این مقاله توضیح می‌دهد که چگونه می‌توان از داده‌کاوی در تحلیل رفتار مشتری در برندهای جهانی لوازم آرایشی و بهداشتی و مراقبت شخصی استفاده کرد. این مقاله با شرح مبانی نظری داده‌کاوی و یادگیری ماشین در تجزیه و تحلیل مشتری شروع می‌شود و سپس ماهیت داده‌های خاص صنعت و نیازهای پیش‌پردازش آن را توضیح می‌دهد. سپس روش‌های اساسی برای استخراج الگوهای پیچیده رفتاری، تقسیم‌بندی مشتری، کاوش قوانین انجمنی، مدل‌سازی سفر مشتری و تحلیل احساسات را بررسی می‌کند و توضیح می‌دهد که چگونه آنها در عمل برای بهبود استراتژی بازاریابی در قالب پیش‌بینی تقاضا، شخصی‌سازی توصیه‌ها، بهینه‌سازی ترکیب کانال‌ها و طراحی برنامه وفاداری مبتنی بر داده به کار می‌روند. این مقاله همچنین به نمونه‌های صنعتی پرکاربرد - از جمله بازیگران جهانی مانند L’Oréal و Sephora - می‌پردازد تا نشان دهد که چگونه پلتفرم‌های داده و هوش مصنوعی می‌توانند از ابتکارات و شخصی‌سازی فناوری زیبایی در بازارها پشتیبانی کنند. [9]

کلمات کلیدی : داده‌کاوی یادگیری ماشین تحلیل مشتری صنعت لوازم آرایشی