مدل ریاضی تحلیل جریان کلیک برای پیش‌بینی رفتار مشتریان اینترنتی
محورهای موضوعی : مهندسی برق و کامپیوتر
محمدمهدی سپهری
1
,
فؤاد مهدوی‌پژوه
2
1 - دانشگاه تربيت مدرس
2 - دانشگاه ايالتي اوكلاهماي آمريكا
کلید واژه:
چکیده مقاله :
تحليل جريان كليك ابزار مفیدی براي پيش‌بيني مسير حركت يك مشتري خاص در يك وب سايت است كه كاربرد فراواني در زمينه‌هاي تجارت الكترونيكي، بازاريابي الكترونيكي و مديريت ارتباط با مشتري دارد. رويكرد جديد مقاله به‌دست آوردن محتمل‌ترین مسير حركت يك كاربر در يك وب سايت با استفاده از مدل‌هاي ماركوفي است كه در قالب يك مدل برنامه‌ريزي صفر و يك حاصل شده است. مدل برنامه‌ريزي صفر و يك ارائه‌شده حالت خاصي از مدل معروف مسئله پيله‌ور (فروشنده دوره‌گرد) گردآورنده جايزه مي‌باشد كه خود يك مدل NP-hard بوده و تعداد محدوديت‌هاي حذف زير تور آن با افزايش فضاي مسئله به‌طور انفجارآميزي افزايش مي‌يابد. براي حل مدل طرح‌شده الگوريتمي جامع و كارا ارائه گرديده است. براي انجام جنبه‌هاي محاسباتي و پياده‌سازي مدل پيشنهادي، داده‌هاي برگرفته از لاگ فايل‌هاي سرور يك وب سايت دانشگاهي براي 20 كاربر مختلف مورد استفاده قرار گرفت. مقايسه جواب‌هاي حاصل با جواب‌هاي به‌دست آمده از الگوريتم جيوديچي نشان مي‌دهد مدل پيشنهادي جواب‌هاي بسيار دقيق‌تر و بهتري نسبت به الگوريتم جيوديچي ارائه مي‌دهد.
Click stream analysis is known as an effective method for customer’s viewing route prediction in a particular web site. Predicting Customer viewing behavior provides considerable advantages in different areas such as e-commerce, e-business and customer relationship management. This paper aims to provide a 0-1 mathematical model based on Markov models for evaluating the most probable viewing route of a customer in a website. This problem can be formulated as an especial case of well-known Prize Collecting Traveling Salesman Problem (PCTSP) which is a NP-hard problem and its sub tour elimination constraints are increased drastically by increasing the model parameters. Also an effective algorithm is introduced in this paper to solve this NP-hard model. For model validation, the proposed model was implemented by using the log files of a university web site server for 20 different users. Comparison of the results with commonly used Giudici algorithm shows that the proposed model yields better and exacter solutions.
