การค้นหากฎความสัมพันธ์และวิเคราะห์ข้อมูล เพื่อเพิ่มประสิทธิภาพการขายอาหารญี่ปุ่น
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อค้นหารูปแบบกฎความสัมพันธ์ของรายการสั่งซื้ออาหารญี่ปุ่น โดยใช้อัลกอริทึมเอฟพี – โกรธ และเพื่อวิเคราะห์ข้อมูลการขายอาหารญี่ปุ่น กระบวนการวิจัยเป็นไปตามขั้นตอนของ CRISP- DM โดยรวบรวมข้อมูลรายการสั่งซื้อจำนวนใบเสร็จ 4,254 ใบ และจำนวนรายการสั่งอาหาร 16,409 รายการ การเตรียมข้อมูลดำเนินการโดยการคัดเลือกข้อมูล การกลั่นกรองข้อมูล ส่งผลให้ข้อมูลคงเหลือ 13,377 และการแปลงรูปแบบของข้อมูลให้อยู่ในรูปแบบที่เหมาะก่อนนำไปค้นหากฎ ด้วยเทคนิคความสัมพันธ์ โดยใช้อัลกอริทึมเอฟพี – โกรธ และวิเคราะห์ข้อมูลการขายอาหารญี่ปุ่น ผลการวิจัยพบว่าเมื่อกำหนดค่าสนับสนุนขั้นต่ำเท่ากับ 0.05 และค่าความเชื่อมั่นขั้นต่ำเท่ากับ 0.20 จะได้กฎความสัมพันธ์ของการซื้ออาหารจำนวน 8 กฎ ผลการทดสอบประสิทธิภาพพบว่าค่าความเชื่อมั่นสูงสุด คือ ถ้าลูกค้าซื้อ Tuna แล้ว ลูกค้าจะซื้อ Salmon ด้วยค่าความเชื่อมั่นที่ 52.94% ค่าสหสัมพันธ์ 5.01 แสดงว่า Tuna และ Salmon มีความสัมพันธ์ที่ขึ้นต่อกัน ผลการวิเคราะห์ข้อมูลการขายอาหารญี่ปุ่นพบว่า สินค้าที่ขายดีที่สุด คือ Crab Rangoon อาหารประเภทที่ขายดีที่สุด คือ Set Punpla ลูกค้ามักจะรับประทานอาหารภายในร้าน ช่วงเวลาประมาณ 18.00 – 19.00 น. และชำระด้วยเงินสด จากผลการวิจัยนี้สามารถนำกฎความสัมพันธ์ที่พบไปประยุกต์ใช้ในการจัดโปรโมชันหรือแนะนำการขายให้แก่ลูกค้า ช่วยสร้างความได้เปรียบทางการแข่งขัน ช่วยเพิ่มประสิทธิภาพขาย การวางแผนกลยุทธ์ทางการตลาด และหาโอกาสทางธุรกิจต่อไป
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
I/we certify that I/we have participated sufficiently in the intellectual content, conception and design of this work or the analysis and interpretation of the data (when applicable), as well as the writing of the manuscript, to take public responsibility for it and have agreed to have my/our name listed as a contributor. I/we believe the manuscript represents valid work. Neither this manuscript nor one with substantially similar content under my/our authorship has been published or is being considered for publication elsewhere, except as described in the covering letter. I/we certify that all the data collected during the study is presented in this manuscript and no data from the study has been or will be published separately. I/we attest that, if requested by the editors, I/we will provide the data/information or will cooperate fully in obtaining and providing the data/information on which the manuscript is based, for examination by the editors or their assignees. Financial interests, direct or indirect, that exist or may be perceived to exist for individual contributors in connection with the content of this paper have been disclosed in the cover letter. Sources of outside support of the project are named in the cover letter.
I/We hereby transfer(s), assign(s), or otherwise convey(s) all copyright ownership, including any and all rights incidental thereto, exclusively to the Journal, in the event that such work is published by the Journal. The Journal shall own the work, including 1) copyright; 2) the right to grant permission to republish the article in whole or in part, with or without fee; 3) the right to produce preprints or reprints and translate into languages other than English for sale or free distribution; and 4) the right to republish the work in a collection of articles in any other mechanical or electronic format.
We give the rights to the corresponding author to make necessary changes as per the request of the journal, do the rest of the correspondence on our behalf and he/she will act as the guarantor for the manuscript on our behalf.
All persons who have made substantial contributions to the work reported in the manuscript, but who are not contributors, are named in the Acknowledgment and have given me/us their written permission to be named. If I/we do not include an Acknowledgment that means I/we have not received substantial contributions from non-contributors and no contributor has been omitted.
เอกสารอ้างอิง
JETRO Bangkok, “Survey of Japanese restaurants in Thailand 2020,” Japan External Trade Organization (JETRO), pp. 1 – 9, 2020.
S. Suwanaphokin, “Business Plan for Japanese Restaurant,” Independent research is part of curricular education. M.S. thesis, Business Administration Small and Medium Enterprises Program, Bangkok University, Bangkok, Thailand, 2018.
L. Tomar, W. Guicheney, H. Kyarisiima, and T. Zimani. Big Data in the Public Sector, 1th ed., Washington, D.C., USA. Inter-American Development Bank. 2016.
Report on the overall situation of food products in the ASEAN region. Food products in the ASEAN region. Overseas Trade Promotion Office, Myanmar, 2021.
W. L. Winston, Microsoft Excel 2019: data analysis and business modeling. New York, New York: Published With The Authorization of Microsoft Corporation by Pearson Education, Inc, 2019.
B. Syverson and J. Murach, Murach’s SQL server 2019 for developers : training and reference. Fresno, Ca: Mike Murach & Associates, Incorporated, 2020.
C. Helberg, Data mining with confidence. Chicago: SPSS Inc, 2002.
GarcíaS., Julián Luengo, and F. Herrera, Data preprocessing in data mining. Cham Heidelberg New York Dordrecht London Springer, 2015.
N. Kaoungku, “A DISCRETIZATION METHOD FOR ASSOCIATION RULE MINING,” M.S. thesis, Computer Engineering., Suranaree University of Technology, Thailand, 2012.
B. Mahatthanachai, K. Malaivongs, S. Somhom and N. Tantranont, “Association Rule of Subjects Affecting Student Dropout Using Apriori Algorithm,” in Proceeding of 5th Kamphaeng Phet Rajabhat University National Conference, Thailand, pp. 459, 2016.
P.N. Tan, M. Steinbach and V. Kumar. Introduction to data mining, 1st, Pearson Addison-Wesley, 2006.
K. Kongupon, Th. Rakthammanon, K. Waiyamai, “Techniques for collecting frequently occurring set items. by considering the minimum confidence value to support the increase of data,” Information Technology Journal, Vol. 3 No. 2, pp. 7 - 10. 2007.
S. Kongmaneepun, “Finding association rule from the database of purchasing MYHEALTH supplement to customer using the FP-GROWTH algorithm and customer segmentation according to purchasing behavior of MYHEALTH products with RFM techniques of rapidminer: A case study of a pharmacy chain,” Journal of Information Systems in Business (JISB), Vol. 5, No. 4, pp. 21 – 39. 2021.
N. Khamwichai, “Association Rules”, in Practical Data Mining with RapidMiner Studio 7, pp.35 – 40. 2016.
S. Zhang, X. Wu, C. Zhang, and J. Lu, “Computing the minimum-support for mining frequent patterns,” Knowl. Inf. Syst., vol. 15, no. 2, pp. 233–257, 2008.
prim, “5 Ways to Create a Simple Step-By-Step Sales Strategy,” DEMETER ICT, 21-Jan-2021. [Online]. Available: https://www.dmit.co.th/th/zendesk-updates-th/5-steps-to-sales-strategy/. [Accessed: 29-Jan-2022].
“Bluefin Tuna vs Salmon History Comparison 6 Differences 2 Popular Raw Fish,” NobleMono. [Online]. Available: https://www.noblemono.com/blogs/news/bluefin-tuna-vs-salmon-6-2. [Accessed: 30-Jan-2022].
T. Apiwanworarat. “Japanese Expressions and practice from Japanese Food Culture,” PANYAPIWAT JOURNAL, vol. 5, no. 2, pp. 265–273, Jul. 2014.
Ch. Tokran. Consumption Behaviors of Japanese Consumers in Mueang district Chiang Rai Province. M.S. thesis, Business Administration Department, Sripatum University Chonburi Campus, Thailand, 2008.
