1. Recommender system using Association analysis

Recommender system เป็นการหาสิ่งที่ลูกค้าต้องการมาแนะนำให้ลูกค้า หรือคิดว่าลูกค้าต้องการมาแนะนำให้ เช่น Lazada, Amazon ที่มีการแนะนำสินค้า/หนังสือให้กับลูกค้า ถ้าชอบสินค้าชิ้นนี้ มักชอบสินค้าอีกชิ้นด้วย เป็นการแนะนำสินค้าสำหรับลูกค้าแต่ละรายแตกต่างกันไป เทคนิคที่ใช้คือ Association analysis

ตัวอย่าง Application ที่ใช้ Association Rules

– การวิเคราะห์ตะกร้าสินค้า Market basket analysis เช่น การจัดโปรโมชั่น การจัดวางสินค้า การจัดการสินค้าคงคลัง การขายพ่วง การจัดแพ็คคู่สินค้า การออกแบบ Catalog การจัดกลุ่มลูกค้าตามลักษณะการซื้อสินค้า   

– การจัดการเว็บไซด์ให้ลูกค้า สามารถซื้อสินค้าได้อย่างสะดวกสบาย มีแนะนำสินค้าให้ลูกค้า เช่น Amazon Lazada Netflix

– การวิเคราะห์เอกสาร การแบ่งกลุ่มของประโยค หาเอกสารที่มี keyword แบบเดียวกันมาแนะนำ เช่น google

– การวินิจฉัยโรคทางการแพทย์ การเพิ่มประเภทของอาการป่วย และการหาความสัมพันธ์ของอาการป่วย การหาความสัมพันธ์ระหว่างอาการป่วยกับยาที่ใช้ในการรักษาอาการป่วย

– ข้อมูลสำมะโนประชากร

• การบริการของภาครัฐ เช่น การวางแผนในเรื่องการศึกษา การรักษาพยาบาล การขนส่ง การลงทุน
• ภาคเอกชน การวางแผนตั้งโรงงานใหม่ ชอปปิ้งมอลด์ หรือธนาคาร

– การจัดการลูกค้าสัมพันธ์ของบัตรเครดิต การจัดแบ่งกลุ่มลูกค้าตามพฤติกรรมของลูกค้า

2. Collaborative filtering for recommender system

– User-based nearest-neighbor Collaborative filtering แนะนำสินค้าโดยดูจากลักษณะลูกค้าที่ใกล้เคียงกัน

– Item-based nearest-neighbor Collaborative filtering แนะนำสินค้าที่สนใจ จากการสนใจสินค้าที่ใกล้เคียงให้

– Model-based recommender system on big data เป็นการสร้างโมเดลขึ้นมาก่อน เพื่อลดปัญหาการมีลูกค้าจำนวนมาก request เข้ามาในระบบ และสามารถแนะนำสินค้าที่ลูกค้าสนใจได้ทันที ไม่ต้องทำการประมวลผลทีละคน

วิทยากร ดร.ไพรสันต์ ผดุงเวียง
บริษัท อาร์ แอนด์ ดี บีไอ จำกัด
เรียบเรียงโดย นุชนาฏ รงรอง
www.rdbi.co.th
#Consultants
#Data Scientist
#Big Data Analytics
#ตัวอย่าง

รวมบทความ Data Science Essential