การประยุกต์ใช้กฎความสัมพันธ์เพื่อวิเคราะห์พฤติกรรมการซื้อสินค้าในร้านสะดวกซื้อ ของนักศึกษาด้วยเทคนิคเหมืองข้อมูล กรณีศึกษา: ร้านสะดวกซื้อบริเวณมหาวิทยาลัยราชภัฏร้อยเอ็ด
คำสำคัญ:
เหมืองข้อมูล, การวิเคราะห์ข้อมูล, กฎความสัมพันธ์, ร้านสะดวกซื้อบทคัดย่อ
เทคนิคเหมืองข้อมูลได้ถูกนํามาประยุกต์ใช้ในงานธุรกิจอย่างแพร่หลาย ทั้งธุรกิจค้าส่ง ค้าปลีก ธุรกิจให้บริการ เป็นต้น ประเทศไทยมีธุรกิจเหล่านี้เกิดขึ้นจำนวนมากและเป็นที่นิยมของลูกค้า ส่งผลให้เกิดข้อมูล
การซื้อจำนวนมากและธุรกิจมีการแข่งขันทางการตลาดที่สูงในการเข้าถึงกลุ่มลูกค้าเป้าหมาย ข้อมูลการซื้อสินค้าของลูกค้าสามารถนำมาวิเคราะห์เพื่อจัดรายการส่งเสริมการขายให้สัมพันธ์กับความต้องการเลือกซื้อสินค้าได้อย่างไร การสร้างกฎความสัมพันธ์ของข้อมูลจากการซื้อสินค้าของลูกค้าจะสามารถเข้าถึงกลุ่มลูกค้าเป้าหมายได้และสร้างความได้เปรียบทางการแข่งขันได้ งานวิจัยนี้มีวัตถุประสงค์ เพื่อวิเคราะห์ความสัมพันธ์ระหว่างรายการสินค้าจากคำสั่งซื้อ และเพื่อวิเคราะห์ความสัมพันธ์การซื้อสินค้าของลูกค้าสำหรับการวางแผนการจัดรายการส่งเสริมการขาย โดยใช้กฎความสัมพันธ์ด้วยอัลกอริทึมเอฟพี-กโรธ (FP-Growth) ของเทคนิคการทำเหมืองข้อมูล ตามกรอบแนวคิด คริส์ป-ดีเอ็ม (CRIPS-DM) ในการวิเคราะห์ข้อมูลใช้ข้อมูลรายการซื้อสินค้าขนมและเครื่องดื่มจากร้านสะดวกซื้อบริเวณมหาวิทยาลัยราชภัฎร้อยเอ็ด จังหวัดร้อยเอ็ด โดยผู้วิจัยได้ทำกล่องเก็บใบเสร็จไว้หน้าร้านสะดวกซื้อแล้วบันทึกไว้ในระบบฐานข้อมูล ระหว่างเดือน มกราคม - มีนาคม ปี พ.ศ. 2565 โดยการเก็บข้อมูลมาจากร้านสะดวกซื้อจากเซเว่น-อีเลฟเว่น (7-11) จำนวน 3 สาขา และโลตัสเอ็กซ์เพรส (Lotus Express) จำนวน 1 สาขา บริเวณมหาวิทยาลัยราชภัฏร้อยเอ็ด จำนวนใบเสร็จที่จัดเก็บได้จำนวน 400 ชิ้น ผู้วิจัยได้เลือกใช้โปรแกรม RapidMiner Studio 9.1 และใช้อัลกอริทึมเอฟพี-กโรธ เพื่อหากฎความสัมพันธ์ ผลการวิจัยตามวัตถุประสงค์ข้อ 1 คือ ผลการวิเคราะห์ข้อมูลการสั่งซื้อแบ่งเป็น 2 กลุ่ม คือ 1) กลุ่มที่เลือกซื้อสินค้าที่เป็นขนมหรือของกินเล่น
พบกฎที่น่าสนใจ 5 กฎ มีค่าความเชื่อมั่นร้อยละ 93.8 92.9 91.7 91.2 และ 90.0 ตามลำดับ 2) กลุ่มที่เลือกซื้อสินค้าที่เป็นประเภทเครื่องดื่ม พบกฎที่น่าสนใจ 5 กฎ มีค่าความเชื่อมั่นร้อยละ 97.9 92.0 92.0 90.8 และ 90.8 ตามลำดับ และผลการวิจัยตามวัตถุประสงค์ข้อ 2 คือ กฎความสัมพันธ์ที่ดีที่สุด คือ กลุ่มที่เลือกซื้อสินค้าที่เป็นประเภทเครื่องดื่ม มีค่าความเชื่อมั่นร้อยละ 97.9 นั่นคือ เมื่อลูกค้าซื้อสินค้า Yum Yum (อาหารกึ่งสำเร็จรูป) และ Pepsi (เครื่องดื่ม) แล้วมีโอกาสจะซื้อ Oishi (เครื่องดื่ม) ด้วย รองลงมาคือ เมื่อลูกค้าซื้อสินค้า Yum Yum (อาหารกึ่งสำเร็จรูป) MaMa (อาหารกึ่งสำเร็จรูป) แล้วมีโอกาสจะซื้อ Cream-o (คุกกี้) ด้วยถึงร้อยละ 93.8
References
คนึงนิจต์ หนูเช็ก และคณะ. (2018). การจัดการสินค้าและบริการในธุรกิจ ค้าปลีกสมัยใหม่ ประเภทซุปเปอร์มาเก็ต. Journal of Management Sciences Suratthani Rajabhat University, 5(2), 131-154.
ณัฏญาพร ชื่นมัจฉา และนิเวศ จิระวิชิตชัย. (2559). การหากฎความสัมพันธ์จากฐานข้อมูลการซื้อสินค้าของลูกค้าโดยใช้เทคนิคเอฟพี-กโรธ. Science and Technology RMUTT Journal, 6(1), 122-131.
นัฐพงษ์ ประทีป ณ ถลาง และคณะ. (2563). เทคนิคการทำเหมืองข้อมูลแบบการสร้างกฎความสัมพันธ์ในการจัดการร้านอาหาร. วารสารวิชาการซายน์เทค มรภ.ภูเก็ต, 4(1), 1-12.
สุภาพรรณ คงมณีพรรณ (2562). การหากฎความสัมพันธ์จากฐานข้อมูลการซื้อผลิตภัณฑ์เสริมอาหารยี่ห้อมายเฮลท์ของลูกค้า โดยใช้อัลกอริทึ่มเอฟพีโกรท และแบ่งกลุ่มลูกค้าตามพฤติกรรมการซื้อสินค้ามายเฮลท์ โดยใช้เทคนิคอาร์เอฟเอ็ม ด้วยโปรแกรมแรพพิดไมเนอร์: กรณีศึกษาของร้านยาเชนแห่งหนึ่ง. วารสารระบบสารสนเทศด้านธุรกิจ (JISB), 5(4), 21-39.
Asuquo, E. E. & Igbongidi, B. P. (2015). Retail Store Merchandise Assortment and Display and Their Influence on Consumer Impulse Buying Behaviour in North West Nigeria. Global Journal of Management and Business Research: E-Marketing, 15 (6), 1-8.
Levy, M. & Weitz, B. A. (1998). Retailing Management. (3rd ed.). New York: McGraw-Hill.
Miller, H. J. & Han, J. (2009). Geographic Data Mining and Knowledge Discovery. (2rd ed).
London: CRC press.
Pride, W. M. et al. (2006). Marketing: Core Concepts and Applications. Brisbane: John Wiley & Sons.
Ramasamy, S. & Nirmala, K. (2020). Disease Prediction in Data Mining Using Association Rule Mining and Keyword Based Clustering Algorithms. International Journal of Computers and Applications, 42(1), 1-10.
RapidMiner. (2014). RapidMiner Studio Manual. Retrieved January 29, 2022, from https://docs.rapidminer.com/ download/RapidMiner-v6-user-manual.pdf.
Theeramunkong, T. (2017). Introduction to Concepts and Techniques in Data Mining and Application to Text Mining. (2nd ed). Bangkok: Thammasat University Press.
Xu Y. (2016). Research of Association Rules Algorithm in Data Mining. International Journal Database Theory Application, 9(6), 119-30.
Yamane, T. (1973). Statistics: An Introductory Analysis. (3rd ed). New York: Harper & Row.
Downloads
เผยแพร่แล้ว
ฉบับ
บท
License
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
บทความที่ตีพิมพ์ในวารสาร เป็นงานเขียนของนักวิจัยหรือนักวิชาการแต่ละท่านโดยเฉพาะ มิใช่ความเห็นและความรับผิดชอบใดๆ ของกองบรรณาธิการวารสารการจัดการและการพัฒนา มหาวิทยาลัยราชภัฏอุบลราชธานี
บทความ ข้อมูล เนื้อหา รูปภาพ ฯลฯ ที่ได้รับการตีพิมพ์ในวารสารฯ ถือเป็นลิขสิทธิ์ของวารสารการจัดการและการพัฒนา มหาวิทยาลัยราชภัฏอุบลราชธานี หากบุคคลหรือหน่วยงานใดต้องการนำทั้งหมดหรือส่วนหนึ่งส่วนใดไปเผยแพร่ต่อหรือเพื่อกระทำการใดๆ จะต้องทำการอ้างอิงมายังวารสาร
