امروزه با توجه به افزایش میزان تنوع در محصولات و نیازهای مشتریان و همچنین هزینه های فزاینده ای که برای ذخیره و پردازش داده ها وجود دارد، شخصی سازی پیشنهاد ها از اهمیت ویژه ای برخوردار است؛ زیرا تخصیص درست محصولات به مشتریان علاوه بر رضایت مشتری، بهره وری فروشندگان را به طور چشمگیری افزایش می دهد. به همین دلیل در سال های اخیر استفاده از سیستم های توصیه گر بسیار متداول شده و کاربرد وسیعی در حوزه های مختلف ازجمله فروشگاه های آنلاین، کتاب، فیلم، موسیقی، مقالات تحقیقاتی، رستوران ها، هایپرمارکت ها، اخبار، موتورهای جستجو و... دارد. این سیستم ها علاوه بر اینکه به کاربران کمک می کنند تا به توصیه های شخصی که مختص خود آن هاست دست یابند و تصمیم گیری بهتری داشته باشند، بلکه با پیشنهاد محصولات اضافی به مشتری باعث افزایش فروش شده و همچنین به حفظ و نگهداری مشتریان کمک شایانی می کنند. این مقاله یک روش نوین و ابتکاری جهت توصیه محصولات مناسب به مشتریان در صنعت عمده فروشی ارائه می دهد. پژوهش ما شامل سه مرحله است. در مرحله اول به کمک داده های دموگرافیک مربوط به مشتریان و روش خوشه بندی، توصیه محصولاتی که در سبد خرید آن ها موجود نبوده انجام می شود. در مرحله دوم با استفاده از داده های تراکنشی مربوط به مشتریان، توصیه محصولات موجود در سبد خرید آن ها صورت می گیرد و در مرحله نهایی با استفاده از روش قواعد انجمنی، وابستگی بین کالاها شناسایی شده و به کمک آن توصیه های ایجاد شده در مراحل قبلی تعدیل می گردد.

کلمات کلیدی