داده کاوی فروشگاه

فروشگاه ها منبع عظیمی از داده ها هستند که هر روز با انجام تراکنش های مختلف ایجاد می شوند. این تراکنش های داده ای را به دو گروه کلی می توان تقسیم نمود:

الف- تراکنش های داده ای مربوط به تامین اقلام و کالاها در فروشگاه

این دسته از تراکنش ها در اثر سفارش دهی کالاها و دریافت آنها در فروشگاه ایجاد می شوند و شامل فیلدهای اطلاعاتی متنوعی می باشند، مانند:

• زمان ثبت سفارش
• زمان دریافت سفارش
• lead time مربوط به اقلام و کالاهای سفارش داده شده (فاصله زمانی بین نهایی سازی سفارش تا دریافت سفارش)
• تاخیر رخ داده نسبت به زمان برنامه ریزی شده برای دریافت سفارش

ب- تراکنش های داده ای مربوط به فروش محصولات به مشتریان

این گروه از تراکنش ها شامل متغیرهای مختلفی می باشند از قبیل:

• تاریخ فروش (منظور هر تراکنش فروش به مشتری می باشد)
• ساعت فروش
• روز فروش
• اقلام موجود در سبد فروخته شده به مشتری
• ارزش ریالی سبد فروخته شده

بر روی این داده ها، انواع تحلیل های داده کاوی قابل اعمال است مانند:

• تحلیل سبد مشتریان (basket analysis)
• تحلیل فروش بیشتر (up selling)
• تحلیل فروش متنوع (cross selling)

همچنین می توان فیلدهای اطلاعاتی مربوط به مشتریان را نیز در نظر گرفت و به تشکیل دیتاست های ترکیبی شامل داده های مشتریان و داده های فروش اقدام نمود. از این دیتاست برای تحلیل های مختلفی می توان استفاده نمود، مثلا اینکه کدام دسته از مشتریان حجم خرید بالایی دارند و جز مشتریان ارزشمند به حساب می آیند؟ چه مشتریانی بیشتر در روزهای کاری وسط هفته به خرید می آیند؟ کدام طبفه از مشتریان فروشگاه سبد کالای متنوع تری دارند؟ دلایل رویگردانی مشتریان و عدم تداوم خرید آنها از فروشگاه ما چه بوده است؟ مشتریانی که وفادار بوده و به صورت مستمر از این فروشگاه خریدهای خود را انجام می دهند چه ویژگی هایی دارند؟ و …