กฎความสัมพันธ์ด้วยเทคนิคเหมืองข้อมูลเพื่อแนะนำการขายสินค้าปลีกในร้านค้าชุมชน กรณีศึกษา ชุมชนสวนหลวง

การอ้างอิง|Citation

ณิชาวีร์ อรุณกิจเจริญ และเปรมพงศ์ พงศ์ธีรธรรม. (2565). กฎความสัมพันธ์ด้วยเทคนิคเหมืองข้อมูลเพื่อแนะนำการขายสินค้าปลีก ในร้านค้าชุมชน กรณีศึกษา ชุมชนสวนหลวง. (โครงงาน). กรุงเทพฯ: คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม.

Arunkijcharoen  N., & Phongtheeratham  P. (2022). Using Association Rules in Data Mining Techniques to Recommend Retail Sales in Community Stores: A Case Study of Suan-Luang Community. (Project). ฺBangkok: Faculty of Information Technology, Siam University.

บทคัดย่อ

งานวิจัยนี้จัดทำขึ้นเพื่อศึกษาการหากฎความสัมพันธ์เพื่อส่งเสริมการขายสินค้าปลีก ในร้านค้าปลีกชุมชนสวนหลวง ด้วยเทคนิคเหมืองข้อมูล เพื่อนำผลที่ได้จากการพยากรณ์ไปเป็นแนวทางส่งเสริมการขายภายในร้านค้า ข้อมูลที่ใช้มาจากสินค้าในชุมชนสวนหลวง เพื่อหาความสัมพันธ์ระหว่างสินค้า การศึกษานี้ใช้ข้อมูลเดือน มิถุนายน 2565 ถึง เดือน กรกฎาคม  2565 จากใบเสร็จจำนวน 555 รายการ  โดยใช้อัลกอริทึมวิธีเทคนิคเหมืองข้อมูลคือ Apriori ด้วยโปรแกรม Weka 3.8.4 กำหนดค่าสนับสนุนขั้นต่ำ (Minimum Support) เท่ากับ 0.01 และค่าความเชื่อมั่นอยู่ระหว่าง 80% – 100% จากสินค้าที่ลูกค้าซื้อบ่อย

จากการวิจัยนี้พบว่า สินค้าที่ลูกค้าซื้อคู่กันดังต่อไปนี้ 1) โดนัทริงเคลือบช็อคโกแลต  และโดนัทริงเคลือบสตรอเบอร์รี่ มีค่าความเชื่อมั่นเท่ากับ 100% 2) เฮลซ์บลูบอย กลิ่นสละ และน้ำตาลทราย มีค่าความเชื่อมั่นเท่ากับ 89% จากข้อค้นพบสินค้าและรูปแบบที่ลูกค้าซื้อสินค้านี้ ชุมชนสวนหลวงสามารถพัฒนากลยุทธ์การตลาดทำให้เพิ่มยอดขายเพราะลูกค้าสามารถหาสินค้าที่ต้องการได้สะดวกขึ้น

คำสำคัญ: กฎความสัมพันธ์, อัลกอรึทึม Apriori, เทคนิคเหมืองข้อมูล

Abstract

This research aimed to study the discovery of association rules to promote retail sales in a community store in Suan Luang using data mining techniques. Based on the results provided, a case study was conducted on sales promotion within the store. The data used in this study came from the products in Suan-Luang community to find the relationship between the products. This study collected data from June to July 2022, with a total of 555 receipts. The Apriori algorithm was used for data mining with minimum support of 0.01 and confidence levels ranging from 80% to 100%, with Weka 3.8.4 software.

This study found that the following products were frequently purchased together: 1) Chocolate donut ring and strawberry donut ring, with 100% confidence; and 2) Hale Blue Boy rose flavored syrup and cane sugar, with an 89% confidence level. By understanding the products and patterns that customers purchase together, Suan-Luang Commodity store can develop marketing strategies to increase sales and provide better customer convenience.

Keywords:  algorithm, apriori, data mining.

กฎความสัมพันธ์ด้วยเทคนิคเหมืองข้อมูลเพื่อแนะนำการขายสินค้าปลีกในร้านค้าชุมชน กรณีศึกษา ชุมชนสวนหลวง|Using Association Rules in Data Mining Techniques to Recommend Retail Sales in Community Stores: A Case Study of Suan-Luang Community

คณะเทคโนโลยีสารสนเทศ มหาวิทยาลัยสยาม  |  Faculty of Information Technology, Siam University, ฺBangkok, Thailand