علوم رایانش و فناوری اطلاعات

استفاده از روش یادگیری جمعی در مسأله شناسایی تردید مشتری در فروشگاه آنلاین

نویسندگان

دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران

چکیده

یکی از مسائلی که این روزها توجه پژوهشگران را به خود اختصاص داده است، بررسی تعاملات کاربران در ارتباط با فروشگاه‌های آنلاین است. با فهمیدن احساسات مختلف کاربران حین تعامل با فروشگاه آنلاین، می‌توان خدمات ارائه شده به آنها را بهبود بخشید. تردید نیز یکی از مواردی است که ممکن است کاربر در تعامل با یک فروشگاه آنلاین به آن دچار شود و در نتیجه سبد خرید خود را رها کند. با شناسایی زودهنگام تردید مشتری می‌توان اقداماتی برای رفع تردید انجام داد و از رها کردن خرید پیش‌گیری کرد. در این پژوهش، مساله تشخیص تردید مشتریان فروشگاه آنلاین به صورت ضمنی و بدون مداخله مستقیم آنها درنظر گرفته شده است و برای شناسایی تردید، تنها از تعاملات لمسی با وب‌سایت استفاده می‌شود. برای این منظور، تعاملات لمسی مشتریان در وب‌سایت یک فروشگاه آنلاین به مدت شش ماه جمع‌آوری شد. سپس با استفاده از یادگیری ماشین، مدل‌هایی برای پیش‌بینی تردید استخراج شد. در ادامه از الگوریتم پشته‌سازی که از روش‌های یادگیری جمعی است، استفاده شد. نتایج نشان داد که استفاده از پشته‌سازی با صحت 87.75 که در واقع مدل‌های مختلف را با هم ترکیب می‌کند، در مقایسه با هر کدام از مدل‌های مختلف استخراج شده به‌تنهایی، باعث بهبود نتایج می‌شود.

کلیدواژه‌ها

  • [1] J. O. Haryanto and F. I. Chang, "Analysis of e-commerce providers’ role in solving the issues of retail e-commerce logistics in jakarta (study case of pt. Accommerce solusi lestari)," Jurnal Manajemen, vol. 22, no. 1, pp. 14-30, 2018.
  • [2] T.-H. Liao and C.-J. Keng, "Online purchase delay: The roles of online consumer experiences," Journal of Electronic Commerce Research, vol. 15, no. 2, p. 133, 2014.
  • [3] S. Bashir, S. Anwar, Z. Awan, T. W. Qureshi, and A. B. Memon, "A holistic understanding of the prospects of financial loss to enhance shopper"s trust to search, recommend, speak positive and frequently visit an online shop," Journal of Retailing and Consumer Services, vol. 42, pp. 169-174, 2018.
  • [4] C.-H. Cho, J. Kang, and H. J. Cheon, "Online shopping hesitation," CyberPsychology & Behavior, vol. 9, no. 3, pp. 261-274, 2006.
  • [5] M. Erdil, "Factors affecting shopping cart abandonment: pre-decisional conflict as a mediator," Journal of Management Marketing and Logistics, vol. 5, no. 2, pp. 140-152, 2018.
  • [6] U. Yousaf, M. Altaf, N. Sarwar, S. Hassan, and S. Ali, "Hesitancy towards Online Shopping, A Study of Pakistani Consumers," Management & Marketing Journal, vol. 10, no. 2, pp. 273-284, 2012.
  • [7] G.-H. Huang, N. Korfiatis, and C.-T. Chang, "Mobile shopping cart abandonment: The roles of conflicts, ambivalence, and hesitation," Journal of Business Research, vol. 85, pp. 165-174, 2018.
  • [8] N. N. Abd Aziz and N. Abd Wahid, "Why Consumers are Hesitant to Shop Online: The Major Concerns towards Online Shopping," International Journal of Academic Research in Business and Social Sciences, vol. 8, no. 9, pp. 1175-1185, 2018.
  • [9] J.-D. Song, "A Study on Online Shopping Cart Abandonment: A Product Category Perspective," Journal of Internet Commerce, vol. 18, no. 4, pp. 337-368, 2019.
  • [10] N. T. D. Linh, D. T. T. Thuy, T. T. Hong, and N. T. B. Ngoc, "Factors influencing urban Vietnamese youngsters" online shopping hesitation," Faculty of Marketing, National Economics University, Hanoi, Vietnam, 2020.
  • [11] B. K. Demirgüneş, "Determination of factors that cause shopping hesitation," METU Studies in Development, vol. 45, no. 1, pp. 25-57, 2018.
  • [12] F. Mueller and A. Lockerd, "Cheese: tracking mouse movement activity on websites, a tool for user modeling," in CHI"01 extended abstracts on Human factors in computing systems, 2001, pp. 279-280: ACM.
  • [13] S. L. Churruca, "Patterns of cursor movement for different devices, comparative study of cursor movement patterns between a touchpad and a mouse devices," Technical Report, Universitat Pompeu Fabra, 2011.
  • [14] T. Katerina and P. Nicolaos, "Mouse behavioral patterns and keystroke dynamics in End-User Development: What can they tell us about users’ behavioral attributes?," Computers in Human Behavior, vol. 83, pp. 288-305, 2018.
  • [15] J. Han, J. Pei, and M. Kamber, Data mining: concepts and techniques. Elsevier, 2011.
  • [16] T. M. Mitchell, Machine Learning. McGraw-Hill, 1997.
  • [17] A. Navada, A. N. Ansari, S. Patil, and B. A. Sonkamble, "Overview of use of decision tree algorithms in machine learning," in 2011 IEEE control and system graduate research colloquium, 2011, pp. 37-42: IEEE.
  • [18] L. Jiang, Z. Cai, D. Wang, and S. Jiang, "Survey of improving k-nearest-neighbor for classification," in Fourth international conference on fuzzy systems and knowledge discovery (FSKD 2007), 2007, vol. 1, pp. 679-683: IEEE.
  • [19] A. K. Jain, J. Mao, and K. M. Mohiuddin, "Artificial neural networks: A tutorial," Computer, vol. 29, no. 3, pp. 31-44, 1996.
  • [20] L. Bottou and C.-J. Lin, "Support vector machine solvers," Large scale kernel machines, vol. 3, no. 1, pp. 301-320, 2007.
  • [21] D. H. Wolpert, "Stacked generalization," Neural networks, vol. 5, no. 2, pp. 241-259, 1992.
  • [22] S. Seo, "A review and comparison of methods for detecting outliers in univariate data sets," University of Pittsburgh, 2006.
  • [23] B. Zhu, B. Baesens, and S. K. vanden Broucke, "An empirical comparison of techniques for the class imbalance problem in churn prediction," Information sciences, vol. 408, pp. 84-99, 2017.
  • [24] N. V. Chawla, K. W. Bowyer, L. O. Hall, and W. P. Kegelmeyer, "SMOTE: synthetic minority over-sampling technique," Journal of artificial intelligence research, vol. 16, pp. 321-357, 2002.
  • [25] I. Guyon and A. Elisseeff, "An introduction to variable and feature selection," Journal of machine learning research, vol. 3, no. Mar, pp. 1157-1182, 2003.
علوم رایانش و فناوری اطلاعات
دوره 18، شماره 2
پاییز و زمستان
آذر 1399