| ชื่อเรื่อง: Title: |
การสร้างโอกาสในการเสนอขายสินค้าด้วยเทคนิค FP-Growth กรณีศึกษาร้านคาเฟ่ อเมซอน สาขามหาวิทยาลัยสยาม Creating Opportunities to Sell Products Using the FP-Growth Technique, a Case Study of Cafe Amazon, Siam University |
| ชื่อผู้เขียน: Author: |
นายปรินทร์ กิตติโสภณธรรม , Mr.Parin Kittisophontham นายกวีศิลป์ ศักดิ์วราพงศ์ , Mr.Kaweesin Sakwarapong |
| อาจารย์ที่ปรึกษา: Advisor: |
อาจารย์ศรัญธร มั่งมี – Miss Saranthon Maungmee |
| ชื่อปริญญา: Degree: |
บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business) |
| ภาควิชา/สาขาวิชา: Major: |
เทคโนโลยีสารสนเทศ (Information technology) |
| คณะวิชา: Faculty: |
บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business |
| ภาคเรียน/ปีการศึกษา: Semester/Academic year: |
2/2565 (2022) |
บทคัดย่อ
งานวิจัยนี้จัดทำขึ้นเพื่อศึกษาการนำเทคนิค FP-Growth ซึ่งเป็นเทคนิคหนึ่งของกฎความสัมพันธ์ในการทำเหมืองข้อมูลเพื่อหาข้อมูลที่จะนำมาใช้ในการส่งเสริมการขายสินค้า ของร้านค้าคาเฟ่ อเมซอนสาขามหาวิทยาลัยสยาม เพื่อนำผลที่ได้จากการพยากรณ์ไปเป็นแนวทางส่งเสริม การขายเครื่องดื่มภายในร้านค้า ผู้จัดทำได้เก็บรวบรวมข้อมูลผู้ใช้บริการร้านคาเฟ่ อเมซอนจำนวน 535 คนซึ่งเป็นผู้ใช้บริการร้านคาเฟ่ อเมซอนระหว่างเดือน มีนาคม 2566 ถึง เดือน กรกฎาคม 2566 เมื่อนำข้อมูลที่ได้มาผ่านกระบวนการตามขั้นตอนการทำเหมืองข้อมูลแบบ CRIP-DM โดยใช้อัลกอริทึมวิธีเทคนิคเหมืองข้อมูลคือ FP-Growth ด้วยโปรแกรม RapidMiner Studio Educational license เวอร์ชัน 10.1 กำหนดค่าสนับสนุนขั้น ต่ำ (Minimum Support) เท่ากับ 0.50 และค่าความเชื่อมั่นอยู่ระหว่าง 69% – 100% พบว่า มีสินค้าที่ลูกค้าซื้อคู่กัน คือ 1) เอสเปรสโซ่ร้อน และ เอสเปรสโซ่เย็น มีค่าความเชื่อมั่นเท่ากับ 81% 2) แบล็คคอฟฟี่เย็น และ เอสเปรสโซ่เย็น มีค่าความเชื่อมั่นเท่ากับ 73% 3) ชานมเย็น และ ชาเขียวเย็น ค่าความเชื่อมั่นเท่ากับ 71% ตามลำดับ
คำสำคัญ: เหมืองข้อมูล, กฎความสัมพันธ์, เอฟพี-กโรธ
Abstract
This research was conducted to study the relationship rules of promoting products of Amazon Siam University Branch with data mining techniques and use the results from the forecast as guideline for promotions for In-store sales. The information used were products in the cafe shop. To find relationships between products this study uses data from March 2023 to July 2023 and from questionnaires of 535 people. The data was analyzed with data mining algorithms, FP-Growth and RapidMiner Studio. The minimum support value was equal to 0.50 and the value Confidence was between 69% – 100%, based on products that customers frequently buy. From this research, it was found that the following products were purchased together: 1) Hot espresso and cold espresso with a confidence value of 81% ; 2) Iced black coffee and iced espresso with a confidence value of 73% ; 3) Iced milk tea and iced green tea, confidence value 71%, respectively.
Keyword: data mining, Association Rule, FP-Growth
อาจารย์ศรัญธร มั่งมี – Miss Saranthon Maungmee, บธ.บ. (ธุรกิจดิจิทัล) – B.B.A. (Digital Business), เทคโนโลยีสารสนเทศ (Information technology), บริหารธุรกิจบัณฑิต สาขาวิชาธุรกิจดิจิทัล – Bachelor of Business Administration Program in Digital Business, 2/2565 (2022)