การวิเคราะห์พฤติกรรมของลูกค้าที่มีผลต่อการซื้อและการสร้างแบบจำลองการคาดการณ์

บทคัดย่อ

วัตถุประสงค์ในการจัดทำปริญญานิพนธ์นี้เพื่อวิเคราะห์ปัจจัยที่ส่งผลต่อการตัดสินใจซื้อของลูกค้า (Drop Lead) โดยใช้ข้อมูลพฤติกรรมของลูกค้า ประกอบด้วย การคลิกของลูกค้าในเว็บไซด์ ในการศึกษา 1) ปัจจัยใดบ้างที่มีผลต่อการตัดสินใจซื้อของลูกค้า 2) โมเดลที่สามารถทำนายโอกาสในการตัดสินใจซื้อของลูกค้าได้อย่างแม่นยำ ขั้นตอนในการดำเนินการวิเคราะห์ข้อมูลประกอบด้วย 1) ศึกษาและทำความเข้าใจข้อมูล 2) กำหนดเป้าหมายในการวิเคราะห์ข้อมูล 3) จัดเตรียมข้อมูล 4) วิเคราะห์ข้อมูล 5) สร้างและประเมินโมเดลการทำนาย เครื่องมือในการวิเคราะห์ข้อมูล ได้แก่ โปรแกรม Jupyter Notebook เขียนชุดคำสั่งด้วยภาษาไพธอนสำหรับการเตรียมข้อมูล การวิเคราะห์พฤติกรรมของลูกค้า และการสร้างโมลเดลการทำนาย ผลลัพธ์ที่ได้จากการวิเคราะห์พฤติกรรมของลูกค้าพบว่าลูกค้าที่มีการติดต่อกับพนักงานมักจะตัดสินใจซื้อทรัพย์สิน และการแบบจำลองการพยากรณ์ Random Forest โดยที่ให้ค่า Accuracy > 99%, Recall ค่อนข้างต่ำแต่มีค่าสูงสุด และมีค่า Precision มากที่สุด บริษัทสามารถนำข้อมูลเชิงลึกที่ได้ไปวางแผนกลยุทธ์ทางการตลาดและการขายได้

คำสำคัญ: การวิเคราะห์ข้อมูล, พฤติกรรมผู้บริโภค, แบบจำลองการพยากรณ์

Abstract

The objective of this project is to analyze the factors influencing customer purchase decisions (Drop Lead) using customer behavior data, particularly customer clicks on the website. The study focuses on identifying the factors that affect customer purchase decisions and developing a model that can accurately predict the likelihood of a customer making a purchase. The data analysis process consists of the following steps: 1) studying and understanding the data, 2) defining the objectives for data analysis, 3) preparing the data,4) analyzing the data, and 5) building and evaluating the predictive model. The tools used for data analysis include Jupyter Notebook, where Python is used for data preparation, customer behavior analysis, and predictive model development. The results from the customer behavior analysis indicate that customers who interact with sales representatives are more likely to make a purchase. The predictive modeling using Random Forest achieved an accuracy of over 99%, a relatively low recall but with the highest possible value, and the highest precision. The company can utilize these insights to develop marketing and sales strategies effectively.

Keywords: data analytics, customer behaviors, predictive model

อาจารย์จรรยา แหยมเจริญ – Miss Janya Yamcharoen, วท.บ. (วิทยาการคอมพิวเตอร์) – B.Sc. (Computer Science), วิทยาศาสตร์ (Science), วิทยาศาสตรบัณฑิต สาขาวิชาวิทยาการคอมพิวเตอร์ – Bachelor of Science Program in Computer Science, 1/2567 (2024)