การใช้เทคนิคการทำเหมืองข้อมูล โดยใช้การค้นหากฎความสัมพันธ์เพื่อวิเคราะห์พฤติกรรมการซื้อสินค้าของลูกค้าร้านค้าปลีก กรณีศึกษาร้านดีทูช้อป จังหวัดปัตตานี
Article Sidebar
Main Article Content
บทคัดย่อ
การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อค้นหาความสัมพันธ์เกี่ยวกับพฤติกรรมการซื้อสินค้าของลูกค้าร้านค้าปลีก โดยใช้ขั้นตอนวิธี FT-Growth ซึ่งเป็นวิธีที่ใช้กันอย่างแพร่หลายในการค้นหากลุ่มข้อมูลที่ปรากฎร่วมกันบ่อยในเทคนิคการทำเหมืองข้อมูล กลุ่มตัวอย่างที่ใช้ในการศึกษาในครั้งนี้ คือ ข้อมูลรายการขายรายวัน จำนวน 1,377,853 รายการ จากฐานข้อมูล POS (Point of Sales) ของร้าน D2Shop ณ จังหวัดปัตตานี ตั้งแต่ปี พ.ศ. 2562 - 2564 มีทั้งหมด 43 คุณลักษณะ การออกแบบงานวิจัยนี้เป็นไปตามระเบียบวิธีการ CRISP-DM สำหรับการประยุกต์ใช้การทำเหมืองข้อมูลผ่านโปรแกรม RapidMiner Studio 9 ผลการวิจัยพบว่าพฤติกรรมผู้บริโภคจากพฤติกรรมการซื้อในอดีตได้จำนวนกฎทั้งหมด 13 กฎความสัมพันธ์ เมื่อกำหนดค่าสนับสนุนขั้นต่ำเท่ากับ 0.01 และค่าความเชื่อมั่นขั้นต่ำเท่ากับ 0.20 ผลการศึกษานี้สามารถสนับสนุนผู้ประกอบการในการส่งเสริมการขาย แนะนำผลิตภัณฑ์ให้กับลูกค้า และปรับปรุงการออกแบบชั้นวางสำหรับร้านค้าเพื่อเพิ่มยอดขาย ส่งผลให้ยอดขายเฉลี่ยเพิ่มขึ้นร้อยละ 5 เมื่อเทียบกับช่วง 3 เดือนที่ผ่านมา
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
สำนักงานส่งเสริมวิสาหกิจขนาดกลางและขนาดย่อม (สสว.). (2565). สถิติข้อมูลผู้ประกอบการ SME. สืบค้นจาก https://sme.go.th/th/page.php?modulekey=468
RESEARCH AND MARKETS. (2018). Cloud POS Market by Component, Organization Size, Application Area and Region - Global Forecast to 2023. Retrieved from https://www.researchandmarkets.com/research/ 6j7t8g/ 3_7_billion?w=12
รุจิโรจน์ ฮิโรเซะ, เพียงฤทัย หนูสวัสดิ์, กรรณิกา บุญเกษม, และ นพดล สายคติกรณ์. (2564). การวิเคราะห์พฤติกรรมที่มีผลต่อการซื้อผลิตภัณฑ์น้ํามันมะพร้าวในจังหวัดประจวบคีรีขันธ์ โดยใช้เทคนิคเหมืองข้อมูล. Rattanakosin Journal of Science and Technology. 2(3), 26–46. สืบค้นจาก https://ph02.tci-thaijo.org/index.php/RJST/article/view/243476
ดารณี พิมพ์ช่างทอง. (2561). การวิเคราะห์จัดกลุ่มเพื่อการรณรงค์ทางการตลาดด้วยการใช้เครือข่ายสังคมออนไลน์. RMUTT Global Business and Economics Review, 13(1), 139–150. สืบค้นจาก http://www.search.rmutt.ac.th/ index.php/business/article/viewFile/1234/875
ประมูล สุขสกาวผ่อง และ พยุง มีสัจ. (2562). การค้นหากฎความสัมพันธ์ด้วยการนับความถี่ของเส้นเชื่อมกราฟแบบเพิ่มเติมได้และสร้างกฎความสัมพันธ์แบบพลวัตสำหรับพาณิชย์อิเล็กทรอนิกส์. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยอุบลราชธานี, 21(3), 127-139. สืบค้นจาก https://li01.tci-thaijo.org/index.php/sci_ubu/article/view/232818
Shearer, C. (2000). The CRISP-DM model: The new blueprint for data mining. Journal of Data Warehousing, 5(4), 13–22.
Agrawal, A., and Choudhary, A. (2011). Identifying Hot Spots in lung cancer data using association rule mining. In Proceedings of the IEEE 11th International Conference on Data Mining Workshops, (pp. 995-1002). IEEE: Vancouver, BC, Canada.
F. Duemong, L. Preechaveerakul and S. Vanichayobon. (2009). FIAST : A Novel Algorithm for Mining Frequent Itemsets. In Proceedings of 2009 International Conference on Future Computer and Communication, (pp.140-144). IEEE: Kuala Lumpur, Malasia.
Liu, B., Hsu, W., and Ma, Y. (1998). Integrating classification and association rule mining. In Proceedings of the 4th International Conference on Knowledge Discovery and Data Mining, (Vol.98, pp. 80-86).
Mariana, S., Surjandari, I., Dhini, A., Rosyidah, A., and Prameswari, P. (2017). Association rule mining for building book recommendation system in online public access catalog. In Proceedings of the 3rd International Conference on Science in Information Technology, (pp. 246-250). IEEE: Bandung, Indonesia.
Han, J., J.Pei, and Yin, Y. (2000). Mining frequent patterns without candidate generation. In International Conference on Management of Data, (pp. 1-12).
Fahrudin, T. M., Syarif, I., and Barakbah, A. R. (2017). Discovering patterns of NED-breast cancer based on association rules using apriori and FP-growth. In Proceedings of the International Electronics Symposium on Knowledge Creation and Intelligent Computing, (pp. 132-139). IEEE: Surabaya, Indonesia.
ณัฏญาพร ชื่นมัจฉา แล นิเวศ จิระวิชิตชัย. (2016). ASSOCIATION RULE MINING APPROACHES FOR SALE TRANSACTION USING FP-GROWTH. Progress in Applied Science and Technology. 6(1), 122–131. สืบค้นจาก https://ph02.tci-thaijo.org/index.php/past/article/view/243162
ณิชา นภาพร จงกะสิกิจ. (2561). การประยุกต์ใช้เทคนิคเหมืองข้อมูลในการค้นหาปัจจัยที่เกี่ยวข้องกับการเลือกศึกษาต่อในคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏลำปาง. วารสารวิชาการคณะเทคโนโลยีอุตสาหกรรม มหาวิทยาลัยราชภัฏลำปาง.11(2), 29-39. สืบค้นจาก https://li01.tci-thaijo.org/index.php/Itech/article/view/165126
สุภาพรรณ คงมณีพรรณ. (2562). การหากฎความสัมพันธ์จากฐานข้อมูลการซื้อผลิตภัณฑ์เสริมอาหารยี่ห้อมายเฮลท์ ของลูกค้าโดยใช้อัลกอริทึม เอฟพี โกรท และการแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อสินค้ามายเฮลท์โดยเทคนิคอาร์เอฟเอ็มด้วยโปรแกรม แรพพิดไมเนอร์: กรณีศึกษาของร้านยาเชนแห่งหนึ่ง. วารสารระบบสารสนเทศด้านธุรกิจ (JISB),5(4), 21-39. สืบค้นจาก http://www.jisb.tbs.tu.ac.th/wp-content/uploads/2Supapun-1.pdf
นัฐพล ประทีป ณ ถลาง, พลเทพ เกษกุล, วิภาวรรณ บัวทอง และ สมใจ จิตคำนึงสุข. (2020). เทคนิคการทำเหมืองข้อมูลแบบการสร้างกฎความสัมพันธ์ในการจัดการร้านอาหาร. PKRU SciTech Journal. 4(1), 1–12. สืบค้นจาก https://ph01.tci-thaijo.org/index.php/pkruscitech/article/view/240312
มัลลิกา รอดมี, สุการดาร์ ขนานใต้, วิภาวรรณ บัวทอง และ ทิพย์มณฑา ผกาแก้ว.( 2020). ระบบแนะนำการเข้าใช้ฟิตเนสด้วยเทคนิคการทำเหมืองข้อมูลแบบการสร้างกฎความสัมพันธ์ กรณีศึกษา Body GYM Phuket (ตำบลรัษฎา อำเมืองภูเก็ต จังหวัดภูเก็ต). PKRU SciTech Journal. 4(1), 13–21. สืบค้นจาก https://ph01.tci-thaijo.org/index.php/pkruscitech/ article/view/240313
F. Liu, Y. Su, T. Wang, J. Fu, S. Chen and C. Ju. (2019). Research on FP-Growth algorithm for agricultural major courses recommendation in China Open University system. In 12th International Symposium on Computational Intelligence and Design (ISCID), (pp. 167-170).
Tian, S., Xiao, Y. and Shen, S. (2020). Distribution analysis of Pulmonary diseases in Traditional Chinese medicine based on FP-Growth algorithm. IEEE International Conference on Bioinformatics and Biomedicine (BIBM), (pp. 1586-1589).
SeniorSoft. (2022). คู่มือการใช้งานฐานข้อมูลเวอร์ชัน promaxxx. สืบค้นจากhttps://www.seniorsoft.co.th/th/ download.html