การวิเคราะห์พฤติกรรมที่มีผลต่อการซื้อผลิตภัณฑ์น้ำมันมะพร้าว ในจังหวัดประจวบคีรีขันธ์ โดยใช้เทคนิคเหมืองข้อมูล

Main Article Content

รุจิโรจน์ ฮิโรเซะ
เพียงฤทัย หนูสวัสดิ์
กรรณิกา บุญเกษม
นพดล สายคติกรณ์

บทคัดย่อ

งานวิจัยนี้เป็นการนำเทคนิคการทำเหมืองข้อมูลมาประยุกต์ใช้ โดยมีวัตถุประสงค์เพื่อ1). ศึกษาและวิเคราะห์ปัจจัยที่ส่งผลต่อพฤติกรรมการซื้อผลิตภัณฑ์น้ำมันมะพร้าวในจังหวัดประจวบคีรีขันธ์ 2). สร้างโมเดลทำนายโอกาสการซื้อผลิตภัณฑ์น้ำมันมะพร้าวในจังหวัดประจวบคีรีขันธ์ โดยใช้เทคนิคต้นไม้การตัดสินใจ      3). สร้างกฎความสัมพันธ์ในการวิเคราะห์ความต้องการซื้อผลิตภัณฑ์ของลูกค้า โดยใช้เทคนิคการหากฎความสัมพันธ์ ข้อมูลที่นำมาใช้ในการวิจัย คือพฤติกรรมการซื้อผลิตภัณฑ์น้ำมันมะพร้าวจากการเก็บแบบสอบถามของกลุ่มลูกค้าในเขตจังหวัดประจวบคีรีขันธ์ จำนวน 600 ชุด ผ่านกระบวนการสร้างโมเดลด้วยโปรแกรม Rapid miner studio


           ผลการวิจัยพบว่า ปัจจัยที่ส่งผลต่อพฤติกรรมการซื้อสินค้าของลูกค้ามากที่สุด 3 อันดับแรก ได้แก่ ราคา ระดับการศึกษา และรายได้ ส่วนของโมเดลทำนายโอกาสการซื้อผลิตภัณฑ์น้ำมันมะพร้าวในจังหวัดประจวบคีรีขันธ์ โดยใช้เทคนิคต้นไม้การตัดสินใจ ผ่านวิธีการแบ่งกลุ่มข้อมูลแบบ Cross Validation มีค่าความถูกต้องมากที่สุด เท่ากับ 69.50 % และผลการวิเคราะห์ความต้องการซื้อผลิตภัณฑ์ของลูกค้า พบว่า ผลิตภัณฑ์ที่ลูกค้ามีความต้องการซื้อสูงสุด คือ สบู่น้ำมันมะพร้าว โดยมีค่า Support = 31.2% และสินค้าที่ลูกค้ามักซื้อพร้อมกันมากที่สุดคือ โลชั่นทาตัวน้ำมันมะพร้าวและน้ำหอมน้ำมันมะพร้าวจากการโดยมีค่า support = 2.7% และค่า Confident เท่ากับ 64%

Article Details

รูปแบบการอ้างอิง
ฮิโรเซะ ร., หนูสวัสดิ์ เ., บุญเกษม ก., & สายคติกรณ์ น. (2021). การวิเคราะห์พฤติกรรมที่มีผลต่อการซื้อผลิตภัณฑ์น้ำมันมะพร้าว ในจังหวัดประจวบคีรีขันธ์ โดยใช้เทคนิคเหมืองข้อมูล. วารสารวิทยาศาสตร์และเทคโนโลยีแห่งรัตนโกสินทร์, 2(3), 26–46. สืบค้น จาก https://ph02.tci-thaijo.org/index.php/RJST/article/view/243476
ประเภทบทความ
บทความวิจัย

เอกสารอ้างอิง

[1] กรมเศรษฐกิจระหว่างประเทศ กระทรวงการต่างประเทศ, สืบค้นวันที่ 17 พฤศจิกายน 2563, จาก http://www.thaibiz.net/th/business/387/

[2] วิณิชาแผลงรักษา และนิเวศ จิระวิขิตชัย. การแบ่งกลุ่มลูกค้าโดยใช้เทคนิคการทำคลัสเตอร์แบบเคมีน สำหรับการบริหารลูกค้าสัมพันธ์. 2562. หลักสูตรวิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม

[3] J.Han, J. Pei, and Y. Yin (2000). Mining Frequent Patterns Without Candidate Generation. Proc. ACM-SIGMOD Int’l Conf, Management of Data. pp. 1-12, May 2000.

[4] วิภาวรรณ บัวทอง. ชื่อเรื่อง Association Rule. [ออนไลน์] 2557. [สืบค้นวันที่ 11 พฤศจิกายน 2563] จาก https://wipawanblog.files.wordpress.com/2014/06/chapter-4-association-rule.pdf

[5] Kapadia, G. and Kalyandurgmath, K. (2015). Market Basket Analysis of Consumer Buying Behavior of a Lifestyle Store, paper presented in the International Conference on Technology and Business Management (ICTBM-2015), Dubai, United Arab Emirates

[6] TECHNOLOGY CHAOBAN, สืบค้นวันที่ 18 พฤศจิกายน 2563, จาก https://www.technologychaoban.com/news- slide/article_7894

[7] ณัฏญาพร ชื่นมัจฉา. “การสร้างแบบจำลองกฎความสัมพันธ์สำหรับฐานข้อมูลการสั่งซื้อสินค้าโดยใช้เทคนิค FP-Growth”. 2559. หลักสูตรวิทยาศาสตร มหาบัณฑิต สาขาวิชาระบบสารสนเทศ คอมพิวเตอร์ คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยศรีปทุม

[8] จารุวรรณ กาญจนศุภวรรณ. “การสร้างแบบจำลองปัจจัยการซื้อผลิตภัณฑ์ทำผมของผู้ประกอบการธุรกิจร้านทำผมโดยใช้เทคนิคการจัดกลุ่มแบบสองขั้นตอน”. วารสารบริหารธุรกิจ เศรษฐศาสตร์และการสื่อสาร ปีที่ 11, ฉบับที่ 1 (1 มกราคม – มิถุนายน 2559). หน้า 6

[9] จิรวดี โยยรัมย์, สุธีรา สุนทรารักษ์ และกมลรัตน์ สมใจ. “การวิเคราะห์ปัจจัยผู้บริโภคที่มีผลต่อการซื้อผลิตภัณฑ์จากดักแด้ไหมของชุมชนบ้านหัวสะพาน ตำบลบ้านยาง อำเภอพุทไธสง จังหวัดบุรีรัมย์ ด้วยเทคนิคการทำเหมืองข้อมูล”. การประชุมวิชาการระดับชาติการจัดการเทคโนโลยีและนวัตกรรม ครั้งที่ 6, (12 มีนาคม 2563). หน้า 1

[10] พรรณธิดา เพชรบุญมี, ดวงกมล โพธิ์นาค และมนต์ชัย เทียนทอง. “การพยากรณ์รูปแบบการเรียนรู้ตามประสบการณ์ของเดวิด โคล์ป โดยใช้กฎการจำแนกเทคนิคต้นไม้ตัดสินใจ”. วารสารวิทยาศาสตร์และเทคโนโลยี ปีที่ 21, ฉบับที่ 6 (2556). น. 550