مقاله کامل رده بندی کالاها در فروشگاه های الکترونیکی

گزارش نهایی:
تهیه کننده:

Email: e_sotoudeh@yahoo.com
استاد درس:
اردیبهشت 87
چکیده:
در مکتوبی که پیش رو دارید، روشی برای طبقه بندی کالاهای موجود در فروشگاه های اینترنتی معرفی میگردد. این طبقه بندی بر اساس سلیقه مشتری و همچنین اطلاعات گرفته شده از دیگر موتور جستجوها پیرامون کالای مورد نظر بنا شده است. سلایق مشتری که به صورت زبانی درباره ی کالاها بیان شده (Linguistically defind) ، یا همان خواص محصول، مستقیما از مشتری دریافت می گردد. از طرف دیگر موتورهای جستجو اطلاعاتی پیرامون کالا و بر اساس نظر دیگر مشتریان جمع آوری می کنند. مجموع سلایق مشتری و اطلاعات موتور جستجوها به عنوان مقیاسی جهت آماده سازی اطلاعات جدید و رتبه بندی کالاها مطابق نیاز مشتری استفاده می شود. میانگین وزن دار شده (Weighted average) محصولات، که از اطلاعات پیشین و سلایق عنوان شده توسط مشتری بدست می آید به ما کمک می کند تا محصولات را در فروشگاه اینترنتی رتبه بندی کنیم.
مقدمه:
در هر دو نوع فروشگاه کلاسیک و آنلاین، یک مشتری مشخصات مورد نظر خود را هنگام خرید کالا مطرح می کند. همزمان مایل است بداند نظر دیگر مشتریان در ارتباط با کالایی که وی قصد خرید ان را دارد چیست.
با این پروسه مشتری خواهد فهمید که انتخابش چه قدر با بهترین کالا فاصله دارد. (فاصله صفر وقتی مشتری بهترین انتخاب را دارد). مشتری انتظار دارد این رده بندی و پیشنهادات از طرف خود سیستم بازار الکترونیکی به وی داده شود. در این راه گرفتن اطلاعات، جهت دادن پیشنهاد، کار نسبتا دشواری است.
این دشواری چند برابر می شود وقتی مشتری خواسته ها و سلایق خود را به صورت فازی بیان می کند. سیستم فروش الکترونیک نیاز دارد که در جهت هرچه مشتری مدارتر شدن، این اصطلاحات فازی را نمایش داده و ترکیب کند. یک مشکل دیگر در فروش الکترونیک بیرون کشیدن وزن های پنهان شده درون هر یک از خصوصیاتی است که مشتری بر اساس این وزن های ذهنی، قضاوت و رده بندی نهایی را می طلبد. اعلام این وزن های پنهان، فروش الکترونیکی را هر چه بیشتر بر روی خواست مشتری متمرکز می کند. اما بسیار دشوار است که این وزن ها در فروشگاه های الکترونیکی دریافت و تعریف شوند، زیرا درگیر کردن مشتری با جزئیات از جذابیت خرید خواهد کاست. مطلب بعدی به میزان محبوبیت کالای انتخاب شده بر می گردد. نهایتا سیستم نیاز دراد تمام موارد فوق را با هم ترکیب کرده و رده بندی نهایی را به مشتری اعلام کند.
در این گزارش ما با مشکل اول از طریق نمایش خواص کالا که توسط مشتری بیان می شود، به صورت مجموعه های فازی، روبرو می شویم. مسئله دوم با مفاهیم اپراتور OWA (Ordered Weighted Average) و کمیت سنج زبانی مدیریت می شود. اطلاعات سایر مشتریان از طریق اینترنت و با استفاده از موتورهای جستجو انجام می
شود، و نهایتا از ترکیب تمام اطلاعات فوق جهت ارائه یک رده بندی مناسب و دادن اطلاعات جدید جانبی راجع به کالای مورد نظر استفاده خواهد شد.
در بخش 1، مروری بر کارهای انجام شده در این زمینه خواهیم داشت. در بخش 2، به شرح فواید مجموعه های فازی در نمایش یک کالا و کمیت سنج زبانی (Linguistic quantifier)، همراه با توضیح مختصری در ارتباط با اپراتور OWA می پردازیم. در بخش 3، ما به چگونگی رتبه بندی بر اساس اطلاعات گرفته شده از مشتری و همچنین موتورهای جستجو خواهیم پرداخت. در بخش 4، یک مثال عددی را در ارتباط با پروسه فوق از نظر می گذرانیم. مثالی که بررسی خواهد شد مربوط به کاری است که در مقاله مرجع بر روی داده ها انجام شده است. در بخش 5، پیاده سازی روش های رتبه بندی عنوان شده را بر روی داده های گرفته شده از پایگاه اینترنتی UCI، با تغییراتی که جزئیات آن شرح داده خواهد شد، انجام داده و نتایج حاصله را مورد بحث و بررسی قرار می دهیم.
1_ مروری بر کارهای قبلی:
پیش از این نیز یکسری تلاش ها در زمینه خرید بهتر از فروشگاه های اینترنتی انجام شده است. Jango، یک فروشگاه شخصی، و DealTime ، با آدرس www.dealtime.com از پیشگامان تلاش در جهت در نظر گرفتن نظرات مشتری در هنگام خرید هستند. این آژانس ها ویژگی های مطلوب محصول را جهت توصیف آن از سطح اینترنت جمع آوری می کنند. وقتی مشتری تعیین می کند که کالائی برایش جذابیت دارد، این آژانس ها بهترین مقادیر موجود در ارتباط با آن کالا را که در اینترنت موجود است پیشنهاد می کنند. مشکل تعیین محصول مناسب در بازار وسیع اینترنت رقابت شدید بین فروشگاه های مختلف در بهتر نشاندادن کالاهای خود است. یعنی اگر به صورت کلی به یک کالا نگاه کنیم (بدون در نظر گرفتن خصوصیات جزئی آن) توجه کنیم تبلیغات می تواند تاثیر بسیار زیادی روی چینش پیشنهادات داشته باشد. سطح دیگری از آژانس ها مانند decision guide با آدرس www.ActiveBuyersGuide.com ، به مشتری در تعیین محصول بهتر، بر اساس مشخصاتی که خود مشتری آن ها را انتخاب می کند کمک می کنند. این سایت یک لیست ازکالاهایی را که با خصوصیات خواسته شده از طرف مشتری مطابقت دارند، پیشنهاد می دهد. هرچند در این فروشگاه مشتری به دشواری سطح مطلوب و مورد انتظار خود را از ویژگی های کالا تعریف می کند. در decision guide یک خریدار می تواند مهمترین ویژگی های کالا را با مشخص کردن یک محدوده عددی برای مینیمم و ماکزیمم سطح انتظار خود بیان می کند.این ورودی ها سیستم را قادر می سازند که یک لیست از محصولات را پیشنهاد دهند. ممکن است یک انحراف کوچک از هر یک از مقادیر تعیین شده توسط مشتری باعث پیشنهاد هایی شود که در کل محصول مناسب تری را معرفی می کند. اما از
آن جا که مقادیر ورودی از طرف مشتری دقیقا تعریف شده است، این انحراف کوچک رخ نخواهد داد و طبعا مشتری از انتخاب یک سری محصولات که شاید از محصولات پیشنهاد شده مناسب تر باشند محروم خواهد شد.
یک فروشگاه دیگر www.amazon.com است که کتاب هایش را همراه با ویژگی های جذاب آن و نیز “ویژگی توضیحی مشتری” پیشنهاد می دهد. البته این سایت دیدگاه های مشتریان را به صورت فازی دریافت نمی کند. مثلا “یک کتاب داستان خوب” یا “یک متن ریاضی با بیان آسان و قابل فهم”؛ “ویژگی توضیحی مشتری” به مشتریان این اجازه را می دهد که یک سری پیشنهادات متنی را بر اساس توافق میان سایر مشتریان دریافت کند. بنابراین، چون اطلاعات حاصل از این پیشنهادات تنها بر اساس رتبه بندی ذهنی سایر مشتریان همین سایت بوده است نمی توان آن را شاخص صحیحی از میزان محبوبیت آن کالا (کتاب) محسوب کرد.
در این مقاله یک روش رتبه بندی کالا بر اساس موتور جستجوهای مختلف ارائه می گردد که طی آن محبوبیت کالای مورد نظر، در سطح بسیار وسیعی از جانب مشتریان و در تمام اینترنت، سنجیده می شود.
2_ سفارشی کردن کالا:
برای سفارشی کردن یک محصول، سیستم فروش الکترونیکی نیاز دارد با مشتریان تعامل برقرار کرده و آن ها را به طور کامل و از تمام جنبه ها بفهمد. تنها به این وسیله است که یک سایت می تواند به مشتریانش در آماده کردن اطلاعات و در نتیجه پیشنهاد محصوات مطلوب مورد نظر کمک کند. فرم های پیشنهاد باید برآوردن کننده مشخصات شخصی خریدار از محصول، خلاصه نظرات جمعی پیرامون محصول، و احیانا انتقادات آنان است. برای این منظور، سیستم نیاز دارد از پهار جنبه مشتری را درک کند: 1_اصطلاحات فازی مشتری از ویژگی های کالا. 2_گرایش رویهمرفته مشتری درباره یک محصول یا ویژگی های آن. 3_رتبه بندی کلی و ذهنی مشتری از کالاها. 4_میزان محبوبیت کالا نزد سایر مشتریان.
2_1_ مفاهیم فازی در ویژگی های محصول:
در هر داد و ستدی، در شرایط عادی خریدار ویژگی های مورد نظر خود را با اصطلاحات فازی و زبانی بیان می کند. تعریف ویژگی های یک کالا به صورت اصطلاحات تعریف شده ی کیفی به ما کمک می کند تا به خوبی ملاحظه مشتری را در بیان این اصطلاحات فازی در سیستم فروش الکترونیک کرده باشیم. برای این منظور از مفهوم منطق فازی استفاده می شود. این موضوع با بیان یک مثال روشن تر خواهد شد:
مثال: در مسئله خرید یک ماشین، ویژگی های محصول می تواند موارد زیر باشد:
1_ قیمت ($). 2_ قیمت بازخرید ماشین ($). 3_ مصرف سوخت(miles/gallon). 4_ میزان راحتی (که با یک اصطلاح کیفی سنجیده می شود). 5_ هزینه نگهداری و تعمیر($).
از دیدگاه مشتری این ویژگی ها ممکن است به صورت زیر بیان شود:
1_ قیمت این ماشین باید حدود 20000 دلار باشد.
_ قیمت بازخرید بالا باشد.
_ مصرف سوخت کم و بیش حدود 20(miles/gallon) باشد.
_ ماشین باید راحت باشد.
_ هزینه نگهداری و تعمیر می بایست پایین باشد.
در اظهارات فوق، کلماتی که به صورت ایتالیک نوشته شده اند اصطلاحات فازی هستند. بدون قصد تعمیم، توابع عضویت (MF) های اصطلاحات فازی بالا را می توان به صورت اعداد فازی نمایش داد. به عنوان مثال، اگر برای بسیاری از مشتریان 4000 دلار یک قیمت پایین است، 5000 دلار یک قیمت منطقی و معمول، و 6000 دلار قیمت بالایی محسوب می شود، ما می توانیم این ها را به صورت اعداد فازی نمایش دهیم. در شکل زیر این اعداد به صورت گرافیکی نشان داده شده اند.

اجازه بدهیم ما فرض کنیم مشتری می خواهد یک ماشین را بخرد و قیمت مورد نظر خود را حدود 20000 دلار اعلام می کند. اصطلاح “حدود 20000 دلار” یک اصطلاح فازی اسن و می تواند به صورت یک عدد فازی نمایش داده شود. به صورت گرافیکی، تابع عضویت آن را در شکل زیر مشاهده می کنید:

در شکل بالا واضح است که با نمایش ویژگی قیمت به صورت عدد فازی، ما می توانیم سطح رضایت مشتری را به صورت عددی، از قیمت یک ماشین بسنجیم. اجازه بدهید تصور کنیم در اینترنت سه ماشین با قیمت های 15000، 20000 و 25000 دلار موجود است. از شکل پیداست که سطح رضایت مشتری از این سه ماشین به ترتیب 0.5 ، 1 و 0.5 است.
2_2_ کمیت سنج زبانی (Linguistic Quantifier):
به طور معمول یک خریدار علاقه مند است که تمام ویژگی های مورد نظر خود را به طور کامل برآورده شده ببیند. اما از آنجا که ویژگی ها عموما با هم در تضاد هستند، و ذاتا دارای ماهیت فازی می باشند، پیدا کردن محصولی که تمام ویژگی های مورد نظر مشتری را داشته باشد کار سختی است. این منطقی تر و واقعی تر به نظر می رسد که بگوئیم بیشترین ویژگی ها برآورده شوند تا همه آن ها. اصطلاح “بیشترین” در اینجا یک کمیت سنج زبانی است. به جای “بیشترین”، شاید مشتری مایل باشد از کمیت سنج دیگری استفاده کند؛ مثلا کم تر، بیشتر، همه، به ترتیب گفته شده، و …
در این مقاله ما همان کمیت سنج “بیشترین” را درنظر می گیریم. توابع عضویت برای مجموعه فازی “most” به صورت زیر تعریف می شود:
2_3_ اپراتور OWA:
برای رتبه بندی کالاها لازیم است بریا هر ویژگی وزنی در نظر گرفته شود و نیز یک توافق وزن دار شده بین کل ویژگی ها ایجاد شود. هرچند، در بسیاری موارد یک مشتری مستقیما یک کالا را بعد از توجه به سطح هر ویژگی، خود انتخاب می کند. در واقع وزن های مربوط به ویژگی ها در ذهن مشتری پنهان هستند و بیرون کشیدن این وزن های پنهان در سیستم خرید و فروش الکترونیکی دشوار است. به هر حال، در این مقاله ما از اپراتورOWA بریا غلبه بر این مشکل استفاده کرده ایم: یک تعریف مختصر از اپراتور OWA را در زیر می خوانیم:
اپراتور OWA از بعد m، یک نگاشت از است که به واسطه m با بردار وزن ها ارتباط دارد، وقتی ؛ و نیز داریم:

هرگاه bj امین بزرگترین جزء از است که با اپراتور OWA منطبق است. اگر Q یک کمیت سنج زبانی غیر نزولی باشد، ما می توانیم وزن های ویژگی ها را از رابطه زیر بدست آوریم:

3_ رتبه بندی محصولات:
وقتی مشتری در حال خرید است، ویژگی های معقول خود را درباره محصول، اغلب با اصطلاحات زبانی بیان می کند. بسته به نیاز، اجناس موجود را ارزیابی کرده و متناسب با سطح رضایتمندی خود آن ها را رتبه بندی می کند. در همین زمان نیاز دارد اطلاعاتی راجع به محبوبیت کالای مورد نظر خود کسب کند و این اطلاعات روی انتخاب نهایی وی تاثیر گذار است. ما در این مقاله یک بار رتبه بندی را بر اساس گفته های مشتری انجام می دهیم. سپس با عوض کردن سناریو، به رتبه بندی بر اساس میزان محبوبیت کالا از دیدگاه سایر مشتریان می پردازیم و نهایتا رده بندی نهایی را ارائه خواهیم داد.
3_1_ رده بندی از دیدگاه ویژگی های مورد نظر مشتری:
اجازه بدهید فرض کنیم تعداد K محصول،در بازار اینترنت موجود است. هر محصول ، دارای m ویژگی است. ، نمایانگر j امین ویژگی از i امین محصول است. ، نشاندهنده نیازمندی های مورد نظر مشتری است که به فرم مجموعه فازی زیر نمایش داده می شود:
، نشانگر تابع عضویت توصیف مشتری از ویژگی j ام محصول است.
، مقدار تابع عضویت های مربوط به تمام ویژگی های تمام محصولات را بدست می دهد.
در مسئله خرید ماشین، اگر یک نوع ماشین باشد، آنگاه Ai1 ویژگی اول از محصول i ام، Ai2 ویژگی دوم از محصول i ام، و … به همین ترتیب خواهد بود. نیاز مشتریان برای ویژگی های مختلف می تواند به این صورت گرفته شود: قیمت حدود 20000 دلار، هزینه تعمیر و نگهداری در ماه کم و بیش 200 دلار، و مصرف آن حدود 20 km/gal.
روند رتبه بندی محصول با یک مجموعه از محصولات P={P1,P2,…,PK}، یک کمیت سنج زبانی Q، و یک مجموعه وزن ها که از طریق اپراتور OWA جمع آوری شده اند آغاز می شود.
گام 1: ابتدا سیستم انواع محصولات را برای مشتری به نمایش می گذارد. مشتری نیازهای خود را اغلب با اصطلاحات زبانی مربوط به ویژگی های آن محصول بیان می کند.
گام 2: بعد از دریافت نظر مشتری در ارتباط با محصول مورد نظر خود، سیستم خرید و فروش الکترونیکی حدودا مقادیر تابع کمیت سنج زبانی Q را تخمین می زوند.
گام 3: با استفاده از اپراتور OWA و استفاده از رابطه:

سیستم وزن های مورد توافق بین ویژگی ها را محاسبه کرده و بردار بدست می آید.
گام 4: سپس سیستم به ارزیابی محصولات بر اساس نظر مشتری می پردازد، و C(Rj) را برای Pj به صورت زیر محاسبه می کند:

وقتی bj ، j امین بزرگ ترین مقدار است. مقدار C(Rj)، نمایانگر رتبه بندی محصول Pj، از دیدگاه مشتری است. از آن جا که C(Rj) یک مقدار عددی است، می توان مقادی آن را به ازای محصولات موجود محاسبه
و مرتب کرد، آنگاه رتبه بندی کالا ها را بر اساس نظر خود مشتری و خصوصیات بیان شده از طرف وی انجام شده است. رده بندی کلی یک محصول را در میان محصولات موجود، می توان به صورت یک مجموعه فازی و به شکل زیر نمایش داد:

3_1_ رده بندی از دیدگاه موتورهای جستجو:
اطلاعات محصول، از محصولات تجاری، در سایت های گوناگون تجارت الکترونیک نوزیع شده اند و در اینرنت قابل دسترسی هستند. این اطلاعات از طریق موتور جستجوهای مختلف مثل google، yahoo، MSN، AltaVista، و… بدست می آیند. Web Crowler ها مطالب مربوط به محصولات را در سراسر وب سایت ها مورد بررسی قرار می دهند و برای به کارگیری در نتایج موتورهای جستجو، به هر کدام از محصولات یک شاخص (index) نسبت می دهند. موتورهای مختلف از crowler های مختلفی استفاده می کنند و نتیجتا لیست های نهایی به لحاظ عدد شاخص و محل قرار گیری محصولات در لیست نیز متفاوت خواهند بود.
اگر ، تعدادN موتور جستجوی موجود جهت جستجوی اطلاعات مربوط به محصول q (به صورت عام، مثلا کتاب) باشد، ، لیست های مربوط به محصول q، حاصل از موتورهای جستجو می باشند. هر محصول Pj (به صورت خاص، مثلا کتاب پرواز شبانه اگزوپری)، یک جایگاه را با توجه به مشخصات خود در لیست داراست. Pjn= Lnq(Pj) یعنی جایگاه Pj در n امین لیست از محصول q. می توین فرض کرد Pjn=∞، وقتی اطلاعاتی راجع به Pj در n امین لیست وجود ندارد یاn امین لیست خالی است.
نهایتا رتبه بندی هر کالا با توجه به لیست دریافتی از موتور جستجو، بر اساس امتیاز آن، انجام خواهد شد. عدد مربوط به ارزش هر کالا به صورت زیر بدست می آید:

وقتی اندازه لیست است. یعنی اولین محصول در لیست دارای امتیاز خواهد شد.
برای موتور جستجوی En، این مجموعه فازی جهت رده بندی کالاها نتیجه می شود:

مجموعه های فازی En(P)، نمایانگر رده بندی کالاهای موجود در اینترنت، با استفاده از موتور En است.
4_ رتبه بندی نهایی محصولات:
معادلات و ، (که به ترتیب مربوط به مجموعه فازی رتبه بندی کالا از دیدگاه مشتری و با استفاده از موتورهای جستجو بودند)، به ما کمک می کنند تا درجه تطابق نیاز مشتری را با نتایج جستجو En بدست آوریم.
برای آن که رتبه بندی نهایی محصول در میان موتورهای جستجوی گوناگون معین شود، با نسبت دادن تابع F، به هر یک از موتورها و دادن وزن به آن ها، می توانیم یک رتبه بندی کلی را برای محصول مورد نظر از طریق زیر بدست آوریم:
اکنون می توان به مشتری اعلام کر کالای منتخب وی، چه میزان با محبوبیت آن کالا در سطح اینترنت فاصله دارد. مثلا اگر کالایی از نظر او در جایگاه اول است، همان کالا چه جایگاهی در میان دیگر مشتریان خواهد داشت؛ و یا محبوب ترین کالا از نظر سایر مشتریان در چه جایگاهی از دیدگاه وی قرار دارد.
5_ مثال عددی:
در این بخش یک مثال عددی برای درک بهتر موضوع به طور کامل عنوان و بررسی می شود. اجازه بدهید فرض کنیم نیازهای مشتری در خرید یک ماشین، ویژگی های قیمت، هزینه نگهداری و تعمیر ماهانه، و مصرف سوخت آن است:
در یک فروشگاه، فرض کنیم 8 نوع ماشین موجود است. داده های مربوط به این ماشین ها در جدول زیر آمده است:

فایل : 17 صفحه

فرمت : Word