ระบบแนะนำรถยนต์ให้กับลูกค้าโดยการวิเคราะห์จากการอ้างอิงถึงพฤติกรรมของผู้ใช้ (Collaborative Filtering) กรณีศึกษาบริษัท โตโยต้าบัสส์ จำกัด
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยนี้ผู้วิจัยได้พัฒนาระบบแนะนำรถยนต์ให้กับลูกค้าโดยการวิเคราะห์จากการอ้างอิงถึงพฤติกรรมของผู้ใช้ (collaborative filtering) เพื่อช่วยให้ลูกค้าได้รับการแนะนำรุ่นรถยนต์ที่เหมาะสม ตรงตามความต้องการของลูกค้า เป็นการสร้างมูลค่าให้กับธุรกิจ เนื่องจากระบบแนะนำรถยนต์จะช่วยทำให้ลูกค้าเกิดความพึงพอใจต่อสินค้าในเวลาอันสั้น งานวิจัยนี้จะหาความสัมพันธ์ของข้อมูลลูกค้ากับรายการรุ่นรถยนต์จากชุดข้อมูลประวัติการขายรถยนต์ที่ผ่านมา โดยวิเคราะห์ข้อมูลการขายรถยนต์ จำนวน 44,079 รายการ ข้อมูลรุ่นรถยนต์ จำนวน 24 รุ่น และข้อมูลลูกค้าที่ได้รับการส่งมอบรถยนต์แล้ว จำนวน 43,098 รายการ ข้อมูลเหล่านี้จะจัดเก็บอยู่ในฐานข้อมูล MySQL ผู้วิจัยใช้อัลกอริทึมการหาความคล้ายคลึงกันของผู้ใช้ (user-based similarity) โดยวิเคราะห์จากลูกค้าที่มีพฤติกรรมใกล้เคียงกันด้วยสมการการหาความคล้ายโคไซน์ (cosine similarity) ซึ่งเป็นฟังก์ชั่นในภาษา Python ในการพัฒนาระบบแนะนำรถยนต์ให้กับลูกค้า ผลการทดลองพบว่าระบบสามารถแนะนำประเภทรุ่นรถยนต์ให้กับลูกค้าได้แม่นยำและมีประสิทธิภาพ มีค่าความคลาดเคลื่อนเฉลี่ย (MAE) 0.97 แสดงว่าระบบที่พัฒนาขึ้นอยู่ในระดับที่ดี และสามารถนำไปประยุกต์ใช้งานได้จริง
Article Details
- เนื้อหาต้นฉบับที่ปรากฏในวารสารเป็นความรับผิดชอบของผู้เขียน ทั้งนี้ไม่รวมความผิดพลาดอันเกิดจากเทคนิคการพิมพ์
- ลิขสิทธิ์ต้นฉบับที่ได้รับการตีพิมพ์ในวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต ถือเป็นกรรมสิทธิ์ของวารสารวิชาการ ซายน์เทค มรภ.ภูเก็ต
References
Debashis, D., Laxman, S., & Sujoy, D. (2017). A Survey on Recommendation System. International Journal of Computer Applications, 160, 6-10.
กิตติศักดิ์ อ่อนเอื้อน, สุนันฑา สดสี, และพยุง มีสัจ. (2560). การศึกษาวัดความคล้ายคลึงในกระบวนการกรองแบบร่วมมือบนพื้นฐานความจำสำหรับระบบแนะนำ. วารสารวิทยาศาสตร์และเทคโนโลยี มหาวิทยาลัยมหาสารคาม, 37, 259-272.
สมเพ็ชร จุลลาบุดดี. (2562). การสำรวจงานวิจัยระบบแนะนำ (ในประเทศไทย) พ.ศ. 2550-2560. วารสารสารสนเทศศาสตร์ สาขาสารสนเทศศาสตร์ คณะมนุษยศาสตร์และสังคมศาสตร์ มหาวิทยาลัยขอนแก่น, 29, 95-124.
Mathew, P., Kuriakose, B., & Hegde, V. (2016). Book Recommendation System through Content Based and Collaborative Filtering Method. International Conference on Data Mining and Advanced Computing.
นภวรรณ ดุษฎีเวทกุล. (2560). การปรับปรุงวิธีการกรองร่วมสำหรับระบบแนะนำด้วยข้อมูลความสัมพันธ์จากสื่อสังคมออนไลน์. วิทยานิพนธ์ ปริญญาวิทยาศาสตรมหาบัณฑิต. กรุงเทพฯ: มหาวิทยาลัยธรรมศาสตร์.
Bindhu, B. (2019). Collaborative Filtering - A Type of Recommendation System. [ออนไลน์], สืบค้นจาก https://medium.com/towards-artificial-intelligence/collaborative-filtering-type-of-recommendation-system-87bef33e701e.
Sridevi, M., Rao, R. R., & Rao, M. V. (2016). A Survey on Recommender System. International Journal of Computer Science and Information Security, 14, 265-272.
Erion, C., & Maurizio, M. (2017). Hybrid Recommender Systems: A Systematic Literature Review. Intelligent Data Analysis. 21, 1487-1524.
Uko, O., Eke, B. O., & Asagba, P. O. (2017). An Improved Online Book Recommender System using Collaborative Filtering Algorithm. International Journal of Computer Applications, 179, 41-48.
Ching, S., Deepti, G., & Unnathi, B. (2017). Movie Recommendation System Using Collaborative Filtering. IEEE International Conference on Software Engineering and Service Science (ICSESS), 11-15.
Parvatikar, S., & Joshi, B. (2015). Online Book Recommendation System by using Collaborative filtering and Association Mining. IEEE International Conference on Computational Intelligence and Computing Research.
Dilek, T., & Seda, K. (2012). Performance Comparison of Combined Collaborative Filtering Algorithms for Recommender Systems. IEEE International Conference on Computer Software and Applications Workshops, 284-289.
Sondur, S. D., Chigadani, A. P., & Nayak, S. (2016). Similarity Measures for Recommender Systems: A Comparative Study. International Journal for Scientific Research and Development, 2, 76-80.