چکیده:
با گسترش فناوری اطلاعات و ظهور بازارهای مجازی، برنامه ریزی و تحلیل این بازارها و اجزای آنها به اولویتسازمان های ذی نفع تبدیل شده است. یکی از مهم ترین بازارهای مجازی کنونی در کشور، بازار فروش آنلاینخدمات شارژ اپراتورهای مختلف تلفن همراه در قالب فروشگاه های اینترنتی است. با توجه به تعداد انبوه و درحال رشد این فروشگاه ها، دسته بندی آنها از دید تأمین کننده به منظور ارائه امتیازات و آینده نگری در همکاریضروری است. در این پژوهش، با استفاده از داده های یکی از مهم ترین تأمین کنندگان این محصولات، قریب بهسه هزار فروشگاه مجازی مورد تحلیل قرار گرفته و بر اساس شاخص های مورد نظر تأمین کننده خوشه بندیشده است. فرآیند خوشه بندی با استفاده از شبکه عصبی مصنوعی SOM و در قالب روش دو مرحله ای آن باالگوریتم k-means انجام شده است که تحلیل خوشه های حاصل از شبکه عصبی را تسهیل می کند. اگرچه بهمنظور تعیین بهترین تعداد خوشه ها، شاخص های اعتبارسنجی مختلفی گسترش پیدا کرده است اما در اینپژوهش با ترکیب روش تصمیم گیری چندشاخصه در مدل و تجمیع شاخص های مختلف، به ارائه یک مدلبهینه یابی با رویکرد جبرانی نسبت به شاخص ها پرداخته شده است.
By developing information technology and emerging online markets، planning for these markets and analyzing their details has become a priority for beneficiary organizations. One of the most important online markets in Iran is SIM card credit services that are considered as online stores. Regarding numerous and increasing number of online malls، grouping and classification of online malls from the suppliers' point of view is essential to forecast cooperation. In this paper، around three thousand online stores have been studied and analyzed by using the data from one of famous suppliers and they have been clustered according to suppliers' indexes. Clustering process has been done using SOM Neural Network in two levels by K-means algorithm since it facilitates analysis of clusters. Although various validation indicators have been developed to determine the best number of clusters. In this paper، an optimizing model of compensatory approach to indexes is presented through combination of multi criteria decision making and aggregation of various indexes.
خلاصه ماشینی:
"خوشه بندی فروشگاه های آنلاین از نگاه تأمین کننده با کمک بهینه یابی تعداد خوشه ها در الگوریتم دو مرحله ای SOM محمدعلی فائضی راد،* علیرضا پویا ** تاریخ دریافت : ٩٤/١١/١٠ تاریخ پذیرش : ٩٥/٤/٢١ چکیده با گسترش فناوری اطلاعات و ظهور بازارهای مجازی، برنامه ریزی و تحلیل این بازارها و اجزای آنها به اولویت سازمان های ذینفع تبدیل شده است .
در این پژوهش ، با استفاده از داده های یکی از مهم ترین تأمین کنندگان این محصولات ، قریب به سه هزار فروشگاه مجازی مورد تحلیل قرار گرفته و بر اساس شاخص های مورد نظر تأمین کننده خوشه بندی شده است .
اگرچه به منظور تعیین بهترین تعداد خوشه ها، شاخص های اعتبارسنجی مختلفی گسترش پیدا کرده است اما در این پژوهش با ترکیب روش تصمیم گیری چندشاخصه در مدل و تجمیع شاخص های مختلف ، به ارائه یک مدل بهینه یابی با رویکرد جبرانی نسبت به شاخص ها پرداخته شده است .
در بسیاری از پژوهش ها، انتخاب بهترین تعداد خوشه ها صرفا بر اساس یک شاخص است و یـا اینکه از چندین شاخص به صورت همزمان اما با رویکرد غیرجبرانی استفاده مـیشـود کـه ایـن موضوع در پژوهش حاضر، مرتفع شده و بهره گیری از رویکرد MADM تجمیع شـاخص هـا را ممکن میسازد.
نتیجه گیری و پیشنهادها در این پژوهش ، فروشگاه های آنلاین با استفاده از شاخص های تعریف شده توسط تأمین کننده آنها با الگوریتم دو مرحله ای SOM دسته بندی شده و مورد تحلیل خوشه ای واقع شدند."