در این پژوهش به بیان نقش اسمارت فون ها در تغییر پارادایم مرکز خرید گردی افراد پرداخته می شود. این کامپیوترهای کوچک با برنامه های کاربردی خود علاوه بر اینکه فرآیند خرید در یک مگامال را برای مشتریان بسیار آسان کرده اند و رضایتمندی آن ها را بالا برده اند، بلکه به صورت گسترده برای بازاریابی فردی به کار رفته و برای فروشندگان و مدیران مرکز خرید سودآوری کرده اند.
در ادامه به ارائه دو مدل که گوشه ای از محاسبات، برنامه ریزی و به کار گیری تکنولوژی را برای انجام این فرآیند معرفی کرده اند، ارائه نقص ها و کارهای آینده خواهیم پرداخت.
60. 60/61
مراجع
1/ Understanding Customer Malling Behavior in an Urban Shopping Mall using Smartphones/7Aban
1394
2/ Shopping Center Tracking and Recommendation Systems/15 Aban 1394
3/ The use of apps for shopping malls/8 Aban 1394
4/ what is NFC and How this works /11 Aban 1394
5/ How can you track in indoor spaces?/9 Aban 1394
6/ Indoor GPS / 10 Aban 1394
7/ WifiSlam Indoor GPS/ 10 Aban 1394
8/ Indoor positioning system/2 Azar 1394
9/Shopping in the future/2 Azar 1394
به گفته بسیاری ریشه واژه انگليسي مال را مي توان در کلمه "پال- مال" يافت که يک بازي در بريتانياي قرن 17 و پيش از آن در ايتاليا و فرانسه بوده است. کلمه "پال-مال" به معناي توپ و چوگان مي باشد.تاریخ شناسان زادگاه مراکز جديد چند منظوره را در آمريکا و پس از جنگ جهاني دوم دانسته و هایلند پارک را که توسط هاف پراتر در دالاس تگزاس در سال 1931 تأسیس شده است بعنوان اولین مال به ثبت رسانیده اند. البته عده ای هم معتقدند کانتری کلوب پلازا در کانزاس سیتی میسوری که در سال 1922 در امریکا افتتاح شد، خواستگاه مال های جدید است. بسیار پیش از آن می توان ميدان نقش جهان اصفهان با فضاي ميدان چوگان را نیز به عنوان اولین مرکزخرید(۱۰۱۵ شمسی و ۱۶۳۶ میلادی) به شکل جدید دانست.
shoppingmallmuseum.blogspot.com
مراکز خرید یا مرکز تجاری به بنا یا مجموعه ای از ابنیه اطلاق می گردد که مشتمل بر واحدهای متعدد خرده فروشی همراه با گذرگاه ها و راهروهایی می باشد که علاوه بر مرتبط ساختن واحدها و فضاهای تجاری، حرکت و همچنین بازدید مشتریان را در محیط تسهیل می بخشد.
1)اولین بازارهای جهان در خاورمیانه در حدود قرن چهارم میلادی پدیدار شدند. واژه انگلیسی bazaar نیز برگرفته از کلمه فارسی بازار است. بازار به سلسله مغازه هایی که گوشه خیابان یا در محیطی سرپوشیده قرار داشته و در آن کالاها مبادله یا خریداری می گشت، اطلاق میشد. اصفهان، بغداد، سمرقند، شام، قسطنطنیه و روم قدیمی ترین شهرهایی هستند که در آن ها مبادله کالا به شکلی شبیه به بازارهای کنونی صورت می پذیرفته است.
2) در کشورهای اروپایی بازارهای خیابانی بسیار رواج داشتند. این بازارها که به شکل جمعه بازارهای ایرانی هستند، بدون وجود مغازه ای خاص و تنها با کالاهای دست ساز، محصولات زمین های کشاورزی یا محصولاتی که تاجران از کشورهای دیگر برای فروش می آوردند، ساخته میشدند.
3)رفته رفته با پیشرفت شهرنشینی، مکان های مسقفی که در آن ها فعالیت دایمی خرید و فروش انجام می شد، ساخته شدند. مراکز تجاری چندمنظوره یا مال ها همانطور که پیشتر گفته شد، از سال 1931 میلادی در تگزاس امریکا به وجود آمد.
بهاچار- تاريخجه بازار با شکل گيري شهرنشيني در ايران همزمان است و به حدود ده هزار سال پيش باز مي گردد. در تمام دوره هاي سياسي و اجتماعي ايران از دوره هخامنشي تا ساسانيان و بعد از اسلام شاهد گسترش تأثيرات اجتماعي، اقتصادي و سياسي بازارها و ايجاد معماري فاخر با کارکرد هاي مختلف در سطوح صنوف بهره برداران و ارتباط اين مجتمع هاي عظيم تجاري با امکانات رفاهي و تفريحي بوده ايم.
اما آنچه امروز از بازارهاي قديمي در ايران باقي مانده است و هنوز نيز با همان کارکرد قديمي حيات دارد بيشتر متعلق به دوران صفويه به بعد است. در اين دوره بازارهاي شهرهاي بزرگي مانند اصفهان، تبريز، مشهد، قزوين و شيراز به شدت گسترش يافته و در کنار راسته هاي قديمي و شماري از کاروانسراها، حمام ها، مدارس علميه، خانقاه ها و امکانات تفريحي مثل پارک ها و زمين چوگان احداث شده است.
سال ها بعد پاساژ ها، بازارهاي مدرن، مجتمع هاي تجاري چند منظوره با ويژگي قرن بيستمي و ساختاري متنوع و برگرفته از معماري سفر کرده بازارهاي سنتي ايران به غرب بخصوص اروپا در تهران شکل مي گيرند. بعنوان مثال پاساژ نادری 1326، پاساژ شیروانی 1330، ساختمان آکادمیک 1334، ساختمان پلاسکو 1340 و در آخر ساختمان آلومینیوم، پاساژ بهارستان و بازار کویتی ها در دهه های چهل و پنجاه از نمونه های اولیه بازارهای امروزی هستند.
FastMall will change your mall experience. With more than 50 features, it provides you with step-by-step directions to locate stores, restaurants, bathrooms, disability accesses, and more at all the big shopping malls in the United States, United Kingdom, Canada, France, and other countries.
The basic store directories are free. Shops are listed in alphabetical order, along with the level of the mall on which they are located. In addition to store descriptions, you can browse available deals.
FastMall prides itself on community-driven features where you can not only read reviews of the stores by other users, but contribute your own too. If you spot outdated information in a part of the app (such as an old phone number in one of the store descriptions), you can easily get in touch with FastMall and have them correct it.
For your own convenience, you can also add text, photos, or videos and share them. For example, if you want to remember where you parked your car, go to the “Where Did I Park?” section, or if you want to jot down the details of a particular product you loved, go to the “My List” section. You can then also share this content with others via email or social networking sites.
2/
FastMall will change your mall experience. With more than 50 features, it provides you with step-by-step directions to locate stores, restaurants, bathrooms, disability accesses, and more at all the big shopping malls in the United States, United Kingdom, Canada, France, and other countries.
The basic store directories are free. Shops are listed in alphabetical order, along with the level of the mall on which they are located. In addition to store descriptions, you can browse available deals.
FastMall prides itself on community-driven features where you can not only read reviews of the stores by other users, but contribute your own too. If you spot outdated information in a part of the app (such as an old phone number in one of the store descriptions), you can easily get in touch with FastMall and have them correct it.
For your own convenience, you can also add text, photos, or videos and share them. For example, if you want to remember where you parked your car, go to the “Where Did I Park?” section, or if you want to jot down the details of a particular product you loved, go to the “My List” section. You can then also share this content with others via email or social networking sites.
2/
1) تعریف
2) تفاوت با : RFIDانافسی و (RFID (Radio Frequency IDentification گاهی به جای یک دیگر به کار می روند. اما در حقیقت NFC نسخه جدید تری از RFID است. امواج RFID می توانند بُرد بیشتری داشته باشند. مثلا در هنگام عبور از عوارضی با استفاده از این تکنولوژی شماره دستگاه پردازنده خودکار عوارض شما خوانده می شود. در حالی که برد ارتباطی اِنافسی به ۴ اینچ محدود شده. این موضوع اِنافسی را برای کاربرد های حساس مانند موارد استفاده از کارت اعتباری و یا ورود به محل های امنیتی بسیار کارآمد می کند.
NFC امکان برقراری ارتباط دو طرفه را به وجود می آورد در حالیکه RFID یک تکنولوژی خواندن یک طرفه است. انتقال عکس و کانکت ها بین وسایل رایج تریت کاربرد اِنافسی می باشد.
2)کاربردها: انافسی بیشتر از هر چیزی با “کیف پول موبایل” در ارتباط است. ایده ای که تلفن هوشمند شما را جایگزین پول نقد و کارت های اعتباریتان خواهد کرد. بدین ترتیب با یک تپ بر روی موبایل می توانید پول خرید خود را پرداخت کنید. Google Wallet یا کیف پول گوگل یک مثال در این مورد است. شما می توانید اطلاعات کارتهای اعتباری خود را در گوگل والت ذخیره کنید و یک “کارت بانکی مجازی” دریافت کنید و با آن تمام خریدها و هزینه های خود را پرداخت کنید.
علاوه بر پرداخت با موبایل کاربردهای دیگر اِنافسی عبارتند از:
به عنوان مثال بیامدبلیو دارای کلیدهای مجهز به اِنافسی می باشد. و یا برای ورود و دسترسی فیزیکی به اتاق ها در ادارات و دانشگاه ها می توان از اِنافسی موبایل استفاده کرد و با نزدیک کردن تلفن هوشمند با محل مورد نظر در را باز کرد.
دانلود اطلاعات. شرکت های تبلیغاتی و بازرگانی از چیپ های اِنافسی برای فروش کالا و محصولاتشان بهره می برند که از کد QR به مراتب ساده تر است.
سه مرحله برای انجام مطالعات داریم: 1) جمع آوری اطلاعات، 2) استخراج ردپای مشتری، 3) آنالیز مدل رفتاری . در ابتدا داده های خام سنسورهای اسمارت فون از شماره in-situ مشتریان در مال جمع آوری می شود، سپس ردپاهای بازدید فروشگاه مشتری به دقت از داده سنسور استخراج می شود، در نهایت ویژگی های معنادار رفتار مالگردی مشتری از ردپاها در هر لول مدل رفتاری استخراج می شود.
ساختار این قسمت به صورت زیر است:
این اولین کاری ست که برای مدلسازی رفتار مالگردی مشتری به طور محاسباتی تحت عنوان ردپای بازدید فروشگاه و گسترش چهارچوب آنالیز اتوماتیک برپایه مدل ارایه شده است.
حجم وسیعی از داده سنسور مشتریان in-situ با استفاده از اسمارتفون های آنان از روش بدون نظارت جمع شده است. مشکلات عملی که احتمالا در هنگام جمع آوری و پروسس داده جهان واقعی رخ می دهد شناسایی و آدرس دهی شده است.
ساختار چندسطحی برای درک رفتار مشتری، از حرکات فیزیکی تا معنی شناسی سرویس پیشنهاد شده است. در هر سطح پترن های جالبی که به طور عملی اتفاق افتاده در مالینگ نشان داده شده است.
کمک فروشنده برای خرید یک کفش-خوردن یک غذا
با شناخت رفتار مشتری در چنین محیطی می توان سرویس های پیشرفته و توسعه یافته ای برای مراکز خرید شهری ایجاد کنیم تا هم برای آسایش او تدبیری اندیشیده باشیم و هم به فرصت هایی برای بازاریابی دست یابیم. برای مثال:
تبلیغات موبایلی Mobile advertising)): بازاریابان می توانند با توجه به رفتار مشتری هدف، به طور اختصاصی برای هر مشتری تبلیغ کنند، برای مثال فرستادن کوپن مک دونالد برای گروهی از بازدیدکنندگان رده سنی نوجوان وقتی که آن ها برای استراحت حین خرید خود به دنبال جایی می گردند.
پیشنهاد جمعی (Social recommender): می توان مشتریان را بر اساس شباهت دسته بندی کرده و برای هر گروه از مشتریان با سلایق مشابه بازاریابی انجام داد.
اتحاد کسب و کار (business alliance): صاحبان فروشگاه ها استراتژی های کسب و کار را با یافتن فروشگاه های رقیب یا فروشگاه های همراهی کننده بر مبنای آنالیزهای رفتار مشتری انبوه جستجو کنند.
مدیریت و برنامه ریزی فضا (Space planning and management): مدیران مراکز خرید می توانند با فهم جریان مشتری اصلی مکان یابی دوباره و مدیریت تسهیلات را فراهم کنند.
اگر ماهواره ها توان این را داشتند که سوژه های خود را در مکان های سربسته هم مکان یابی کنند، قطعا مدلسازی رفتار مشتری به سختی اکنون نبود. تمام تکنولوژی های موجود که یکی پس از دیگری برای ردیابی سوژه ها (در اینجا مشتریان) طراحی می شوند، قصد دارند کاری که ماهواره ها در خارج از محیط دارای سقف انجام می دهند را شبیه سازی کنند. این امکان تا قبل از پیدایش اسمارت فون ها تقریبا غیرممکن بود و امکان انجام آن با هزینه، زمان و نیروی انسانی بسیار میسر میشد.
آنالیز ویدیویی
RFID با استفاده از ارتباطات مبتنی بر فرکانس های رادیویی امکان شناسایی خودکار ، ردیابی و مدیریت اشیاء ، انسان و حیوانات را فراهم می نماید . عملکرد RFID وابسته به دو دستگاه تگ و کدخوان است که جهت برقراری ارتباط بین یکدیگر از امواج رادیویی استفاده می نمایند . از روش های مختلفی برای شناسایی افراد و اشیاء استفاده می شود. ذخیره شماره سریال منتسب به یک فرد و یا شی درون یک ریزتراشه که به آن یک آنتن متصل شده است ، یکی از متداولترین روش های شناسایی خودکار است .
در RFIDارتباطات به صورت فرآیندی سه مرحله ای با یک سری تجهیزات خاص صورت می گیرد این تجهیزات عبارتند از: یک دستگاه خواننده Reader یک گیرنده Transceiver به همراه یک کد گشای خاص منظوره Decoder
3) گوگل پیش از این نقشه های خود را بصورتی توسعه داده تا شکل داخلی موزه ها، فرودگاه ها، و فروشگاه های بزرگ در 17 کشور مثل فروشگاه بزرگ تایپو در هنگ کنگ را بتواند پوشش دهد. این موضوع در آینده برای افراد مختلف از اهمیت بسیار زیادی برخوردار خواهد بود که این شرکت اقدام به عرضه کامپیوتر های خود که بر روی سر نصب می شوند، بکند که همان عینک گوگل است. داج ادامه می دهد که فضای سرپوشیده و داخلی در آینده بسیار بزرگ خواهد شد، تا جایی که به بزرگترین چالش برای عرصه خرده فروشی که تاکنون دیده ایم می شود. کمپانی گوگل در حال حاضر نقشه های محوطه های داخلی بسیاری از فرودگاه ها، مراکز خرید، استادیوم های ورزشی، موزه ها، دانشگاه ها و بسیاری از مکان های مهم دیگر را در کنار سرویس های متداول برنامه نقشه خود برای کاربران اندروید فراهم آورده است.
4) تخصص WiFiSLAM مکان یابی در محوطه های داخلی یا به عبارتی Indoor GPS است. محصولات این کمپانی که برای گوشی های هوشمند تهیه شده اند به این گوشی ها امکان شناسایی مکان خود (و مکان دوستان کاربر) را در محوطه های داخلی ساختمان ها با دقت 2.5 متر و تنها با استفاده از سیگنال های وای-فای موجود در این ساختمان ها می دهند. ویژگی جدیدی را تحت عنوان آی-بیکن iBeaconبه گوشی های هوشمند خود افزود . مغازه ها همچنین اقدام به جمع آوری شناسه ای به نام آدرس MAC از هر گوشی تلفن می کنند. این شناسه به آنها اجازه می دهد تا اطلاعات رفتاری مربوط به صاحب آن گوشی را جمع آوری و در مراجعه مجدد وی مورد استفاده قرار دهند.
6) In-Location Alliance است و فناوری یاد شده "High Accuracy Indoor Positioning - HAIP" یا به عبارتی "موقعیت یابی در فضای بسته با دقت بالا" نام دارد. برای بهره گیری از HAIP آنتن اصلی آن در سقف یا در مکانی که بتواند امواج ارسال شده توسط دستگاه ها و اجزای مجهز به این فناوری را دریافت دارد نصب می شود و اجزای ذکر شده می تواند در داخل گوشی های موبایل و وسایل دیگر تعبیه شده و یا به صورت برچسب هایی که قابلیت چسبیدن به هر وسیله ای را دارند عرضه گردد.
شتابسنج یا Accelerometer:
همانطور که از اسم آن هویداست، این سنسور وظیفه محاسبه شتاب را بر عهده دارد. زمانی که تلفن در حالت سقوط آزاد پرتاب میشود یا زمانی که دستگاه را به این سمت و آن سمت میچرخانید، شتاب دستگاه تغییر میکند و زمانی که آن را بیحرکت رها میکنید، شتاب به صفر باز میگردد. سنسور مشابهی در تلفنهای هوشمند جهت تشخیص حالت دستگاه در حالت لنداسکیپ (افقی) یا عمودی (پرتره) نیز وجود دارد. به علاوه اپلیکیشنها به کمک این سنسور میتوانند تشخیص دهند که حتی تلفن بر روی صفحه نمایش قرار دارد یا به پشت قرار گرفته است.
ژیروسکوپ یا Gyroscope:
سنسور ژیروسکوپ نیز همانند شتابسنج، میتواند در تشخیص حالت قرار گرفتن دستگاه موثر باشد. منتها دقت این سنسور نسبت به سنسور شتاب سنج بالاتر است و بیشتر میتواند دقیق عمل کند. این سنسور خصوصا در قابلیت چرخان دوربین اندروید، جهت تشخیص میزان چرخانده شدن دوربین نقش مهمی ایفا مینماید.
مغناطیسسنج یا Magnetometer:
این سنسور نیز هر چند بسیاری از ما با نام آن غریبه هستیم و کمتر اسمی از آن شنیدهایم، ولی جز سنسورهایی است که تقریبا در اکثر تلفنهای هوشمند امروزی وجود دارد و همانطور که حدس زدهاید وظیفه آن تشخیص میدانهای مغناطیسی است. اپلیکیشنهای قطبنما و جهتنما یا قبلهنما از این سنسور برای تشخیص شمال جغرافیایی و پیدا کردن مسیر استفاده مینمایند.
سنسور تشخیص فواصل نزدیک یا Proximity Sensor:
بدون شک همه افرادی که تلفنهای هوشمند دارند، این سنسور را دیدهاند. این سنسور، متشکل از یک چراغ اینفرارد کوچک و یک تشخیص دهنده نور IR است. محل قرار گیری این سنسور درست در کنار بلندگوهای مخصوص صحبت است چرا که وظیفه آن تشخیص این موضوع است که شما در حال مکالمه هستید و باید صفحه نمایش دستگاه خاموش شود. عملکرد این سنسور بدین گونه است که یک رگه نور اینفرارد غیر قابل تشخیص توسط شما را میفرستد و تشخیص دهنده نور IR بازتاب نور فرستاده شده را در فواصل بسیار نزدیک به جسم (مثل زمانی که گوشتان را به تلفن چسباندهاید) ارزیابی میکند.
فشار سنج یا Barometer:
تلفنهای هوشمند گرانقیمت، سنسور دیگری به نام فشار سنج را برای سنجش فشار اتمسفر در محیط نیز در خود جای دادهاند. این سنسور میتواند میزان تغییر ارتفاع و فشار را نسبت به سطح دریا اندازه گیری و از آن برای نمایش دقیقتر وضعیت جغرافیایی در GPS استفاده کند.
گامشمار یا Pedometer:
یکی دیگر از سنسورهای مرتبط با ورزش و تناسب اندام که بازار داغی را این روزها در تلفنهای هوشمند تجربه میکنند، سنسور قدم شمار است که میتواند تعداد گامهایی که کاربر بر میدارد را شمارش کند. البته این موضوع توسط شتابسنج نیز قابل تشخیص است ولی وجود سنسور جداگانه، علاوه بر بهینه بودن، دقت بیشتری نیز به همراه دارد.
) در این مقاله از اطلاعات سنسور wifi، قطب نما و Accelerator استفاده می شود.
1)برای جمع آوری داده مشتری در COEX MALL ما از سنسورهای ساده مثل WIFI، سرعت سنج و قطب نما به این دلیل که رفتار مشتری را به خوبی در فضاهای داخلی و بدون اینکه رفتار طبیعی آن ها را مختل کنند نشان میدهد، استفاده می کنیم.
2) ما 12 کاربر را با اعلان در برد خوابگاه دانشگاه به کار گرفتیم. برای هرکدام از آن ها دو موبایل Nexsoes 1 فراهم کردیم. یکی برای دیتا سنسور ثبت شده و دیگری برای Ground truth همانطور که در شکل 2b نشان داده شده است. زمان بازدید 3 ساعت و حداقل تعداد فروشگاه مورد بازدید 4 بود.
3)مجموعه داده Blind : به مجموعه داده ای که تنها با استفاده از دیتای سنسور برای ساخت مدل رفتار مشتری به کار آمد و ردپای مشتریان مورد نظر در این بخش با استفاده از الگوریتم استخراج ما به دست آمد اطلاق می شود. این داده ها با استفاده از شمار زیادی از مشتریانی که اپلیکیشن سنسور ما را نصب کرده اند و به طور ناشناس مال را بازدید می کنند، به دست می آید. برای نصب این اپلیکیشن ما برای تشویق بلیت های فیلم را به طور الکترونیکی ضمیمه کردیم و از کاربران فراهم کردن اطلاعات ساده چون شماره تلفن، سن، جنس، هدف بازدید و ... را خواستیم.
4) جمع آوری ردپای ground truth فعالیت پیچیده ای بود، از آن جایی که ما نمی خواستیم هیچ جزئیاتی از حرکت همچون چه وقت بودن، چه بازه زمانی بودن، چقدر بودن زمان بازدید و کدام فروشگاه بودن از دست دهیم. اگرچه ما نمی خواهیم رفتار طبیعی مشتری را مخدوش کنیم. راه حل ما این است که از یک اسمارت فون اضافه تر که به بازوی کاربر وصل شده استفاده کنیم و از محیط اطراف به طور دوره ای عکس بگیریم. این روش به طور بسیار کمی رفتار آن ها را مختل می کند و اطلاعات جزئی و دقیقی از حرکات آن ها را فراهم میکند (384*312 پیکسل با وقفه 10 ثانیه) سپس ما به طور دستی ردپای truth ground را همانطور که در شکل 2c نمایش داده شده است بررسی می کنیم.
1)سیستم عامل گوشی ها به صورت خودکار به دنبال شبکه های وای- فای موجود در محیط می گردد. برای نمونه وقتی در یک کافی شاپ و یا فرودگاه هستید، گوشی شما بلافاصله شبکه وای- فای موجود در آن را شناسایی می کند. همچنین اطلاعات مربوط به شبکه های وای- فای که هر گوشی در گذشته به آن متصل بوده در خود گوشی ذخیره می شود. با به دست آوردن این اطلاعات به راحتی می توان محل زندگی و نیز مکان هایی که فرد در آن بوده شناسایی شود. همچنین هر دستگاه تلفن همراه یک آدرس اختصاص به نام «مک آدرس» (Mac address) دارد که با استفاده از آن می توان افراد را شناسایی کرد.
2) RF و تشخیص توقف حرکت – آگاه (Movement-aware)
توقف در مرکز خرید نشانگر محتمل بازدید فروشگاه یا نشستن در مکان های استراحت راهرو ها است. ما از الگوریتمی برای تشخیص توقف یعنی جایی که یوزر زمانی را فراتر از آستانه می گذراند را به کار میگیریم. ما از مفهوم فاصله منطقی بین دو نقطه استفاده می کنیم که بوسیله اختلاف حالت RF و حرکت فیزیکی در فاصله زمانی اندازه گیری می شود. در عمل قدرت سیگنال رادیویی و مقادیر شتاب برخی اوقات می تواند نامنظم و در حال نوسان باشد. بنابراین ما هردو اندازه گیری ها را برای محتمل کردن درستی آن به کار می بریم. این اندازه گیری ها با استفاده از تفاوت امواج رادیویی در هر قسمت و همچنین میزان شتاب حرکت است.
ارتباط بین فرستنده و گیرنده از طریق فرکانس رادیویی صورت می گیرد. فرکانس رادیویی در یک طیف الکترومغناطیسی مشخصی برای انتشار اطلاعات مورد استفاده قرار می گیرد. پایه و اساس هر شبکه بی سیم اکسس پوینت AP(Access Point)ها هستند، وظیفه اصلی اکسس پوینتها انتشار سیگنال شبکه بی سیم است. شبکه هاي ارتباطي بدون سيم همواره از امواج راديويي استفاده مي کنند. در اين شبکه ها يک قطعه رايانه اي اطلاعات را تبديل به امواج راديويي مي نمايد و آنها را از طريق آنتن ارسال مي کند. در طرف ديگر يک روتر بدون سيم، با دريافت سيگنال هاي فوق و تبديل آنها به اطلاعات اوليه، داده ها را براي رايانه قابل فهم خواهد ساخت.
3)شناسایی فروشگاه برپایه وای فای برای 324 فروشگاه در COEXMAll و همچنین برای 64 قسمت در راهروها خصوصا نزدیک مکان های استراحت این داده ها را جمع کردیم. فروشگاه های بزرگ چون کتاب فروشی ها و رستوران های خانوادگی مقادیر رفرنس متعددی داشتند. .
4) پس پردازش :
برای جبران خطاهای درونی در شناسایی توقف و تشخیص فروشگاه، ما دو تکنیک بعد پروسه ای به کار بردیم.
1- در ابتدا ما توقفات متوالی در فروشگاه مشابه را ادغام کردیم. این موضوع خطاهایی که بازدید یک فروشگاه به عنوان دو بازدید یا بیشتر تشخیص داده شود را کاهش داد، این موضوع گاهی اوقات وقتی مشتریان در نزدیک تیغه فروشگاه سرگردانند یا در صندلی مجاور نشسته اند روی می دهد،
2- دوم ما فروشگاه شناسایی شده را با چک کردن زمان ورود و بازه زمانی اعتبار بخشیدیم. ما تایم بازدید خارج از ساعات باز بودن فروشگاه و بازدید زیر زمان معنی دار می نیموم را تست کردیم. 3 دقیقه برای فروشگاه های خرده فروشی و 20 دقیقه برای رستوران ها. اگر نامعتبر بود ما فروشگاه محتمل بعدی را در نظر گرفتیم.
لول فعالیت: ما سرویس معنایی فروشگاه های مختلف را در 6 فعالیت کاراکتر بندی کرده ایم، خرید، خوردن و آشامیدن، استراحت کردن، دیدن، خواندن و بازی کردن. سپس ما تاثیر معناشناسی خدمات در رفتار مشتری را با فهم خاصیت پویایی انتقال فعالیت مشتری بررسی کردیم.
لول دسته بندی فروشگاه: ما تاثیر ترجیح مشتری در رفتار، خصوصا در انتخاب دسته بندی فروشگاه را بررسی کردیم، از آنجایی که مشتریان اغلب دسته بندی فروشگاه متفاوتی را بر اساس در هنگام دنبال کردن یک فعالیت انتخاب می کنند. مثلا اگر به فکر انجام فعالیت خوردن یا آشامیدن باشند، به دنبال سری مغازه های فست فود، رستوران غذاهای خارجی، کافی شاپ، رستوران غذاهای سنتی و ... می گردند. اگر در حال انجام فعالیت خرید باشند، به دنبال سری فروشگاه های پوشاک، لوازم آرایشی و بهداشتی، مغازه های کیف و کفش، لوازم ضروری و ... هستند .
لول حرکات: بررسی حرکات درون فروشگاه و خارج از فروشگاه مشتریان از لحاظ درجه حرکت و بازه زمانی
1)بیشتر مشتریانی که به فروشگاه ها می روند بیشتر احتمال دارد که به فروشگاه دیگری بروند. مشتریانی که به فعالیت خوردن و دیدن و بازی کردن مشغول بوده اندبه نظر می رسد با احتمال بیشتری به استراحت بپردازند.
2) غیر منطقی بودن برخی احتمالات صفر
این شکل احتمال انجام فعالیت در تمام زمان های روز که از ردپاهای مشتری که جمع آوری شده است را نشان می دهد. خرید کردن، دیدن و استراحت کردن به نظر می رسد به طور ثابت در تمامی ساعات روی دهد . فعالیت خوردن در زمان های ناهار و شام کمی بیش از حدی است که انتظار داریم. مشتریان گاها برای آشامیدن و حرف زدن با دوستان در هنگام خرید به مکان های نشستنی که فودکورت ها یا فست فود ها ایجاد کرده اند می روند. اگر ما چنین بازدید هایی را از فعالیت خوردن فیلتر کنیم، پیک در زمان های ناهار و شام به طور قابل ملاحظه ای افزایش می یابد.
مقدار بالاتر پیوستگی مثبت قوی بین دو دسته بندی فروشگاه را نشان میدهد. مقدار 1 تاکید دارد این دو به هم وابسته اند. جدول 4 نتایج را نشان می دهد. عنوان سوغات / استیشنری رابطه بسیار قوی بافشن اوت لنت دارند. لباسها و ملزومات همانطور که انتظار داشتیم دارند. ارتباط بین فودکورت و لوازم آرایش به نظر می رسد کیس خاص coex مال است . بسیاری از مغازه های لوازم آرایش در نزدیکی فودکورت واقعند. ارتباط مثبت می تواند به وسیله صاحبان مغازه برای جستجوی استراتژی های بیزینسی برای ارتقای مغازه هایشان باشد. به عبارت دیگر عناوین مغازه ها در فعالیت خوردن ارتباط منفی با دیگران همانطور که انتظار داشتیم دارند، از آنجایی که آن ها رابطه رقابتی دارند. به طور غیرقابل انتظاری کافه و فست فود با یکدیگر ارتباط منفی دارند. این شاید بخاطر این است که فست فود ها امروز نوشیدنی هم دارند.
مقدار بالاتر پیوستگی مثبت قوی بین دو دسته بندی فروشگاه را نشان میدهد. مقدار 1 تاکید دارد این دو به هم وابسته اند. جدول 4 نتایج را نشان می دهد. عنوان سوغات / استیشنری رابطه بسیار قوی بافشن اوت لنت دارند. لباسها و ملزومات همانطور که انتظار داشتیم دارند. ارتباط بین فودکورت و لوازم آرایش به نظر می رسد کیس خاص coex مال است . بسیاری از مغازه های لوازم آرایش در نزدیکی فودکورت واقعند. ارتباط مثبت می تواند به وسیله صاحبان مغازه برای جستجوی استراتژی های بیزینسی برای ارتقای مغازه هایشان باشد. به عبارت دیگر عناوین مغازه ها در فعالیت خوردن ارتباط منفی با دیگران همانطور که انتظار داشتیم دارند، از آنجایی که آن ها رابطه رقابتی دارند. به طور غیرقابل انتظاری کافه و فست فود با یکدیگر ارتباط منفی دارند. این شاید بخاطر این است که فست فود ها امروز نوشیدنی هم دارند.
4) توزیع کلی زمان بازدید و زمان حرکت را نمایش می دهد. زمان بازدید نشان میدهد که مشتریان چقدر در مغازه می مانند و زمان حرکت نشان می دهد که چقدر زمانی میبرد که به مغازه بعدی از مغازه قبلی بروند.
5)همانطور که انتظار می رفت، مشتریان زمان بیشتری را صرف بازدید می کنند تا حرکت. دوره بازدید مغازه دنباله زیادی با توجه به اینکه بعضی از مغازه ها مدت زمان بسیاری را در آن ها صرف میکنند مثل سینما یا رستوران.
6)ما توزیع دوره بازدید را با تشخیص الگوهای مختلف بوسیله فعالیت دسته بندی کردیم. خرید کردن به طور متوسط دوره کوتاه تر بازدید را داشته است. دیدن در سینما بیشترین زمان را به خود اختصاص داده است.. بازدید های طولانی قطعا برای تماشای تیاتر در زمانی که بازدیدهای کوتاه به نظر می رسد برای خرید بلیت در باکس آفیس باشد.
ماهمچنین توزیع زمان حرکت را با فعالیت تقسیم کردیم. شکل 7 را برای نتایج ببینید.
4) توزیع کلی زمان بازدید و زمان حرکت را نمایش می دهد. زمان بازدید نشان میدهد که مشتریان چقدر در مغازه می مانند و زمان حرکت نشان می دهد که چقدر زمانی میبرد که به مغازه بعدی از مغازه قبلی بروند.
5)همانطور که انتظار می رفت، مشتریان زمان بیشتری را صرف بازدید می کنند تا حرکت. دوره بازدید مغازه دنباله زیادی با توجه به اینکه بعضی از مغازه ها مدت زمان بسیاری را در آن ها صرف میکنند مثل سینما یا رستوران.
6)ما توزیع دوره بازدید را با تشخیص الگوهای مختلف بوسیله فعالیت دسته بندی کردیم. خرید کردن به طور متوسط دوره کوتاه تر بازدید را داشته است. دیدن در سینما بیشترین زمان را به خود اختصاص داده است.. بازدید های طولانی قطعا برای تماشای تیاتر در زمانی که بازدیدهای کوتاه به نظر می رسد برای خرید بلیت در باکس آفیس باشد.
ماهمچنین توزیع زمان حرکت را با فعالیت تقسیم کردیم. شکل 7 را برای نتایج ببینید.
1)محاسبه مقادیر سرعت مشتریان حین انحام فعالیت های گوناگون از سنسور Accelerator
2)در هنگام دیدن و خوردن کمترین میزان حرکت و در هنگام خریدکردن و حرکت کردین بیشترین آن دیده می شود.
در این مقاله یک ساختار محاسباتی جدید برای فهم رفتار مالینگ مشتری ارائه شد. ساختار آنالیز اتوماتیک که اسمارتفون مشتریان فراهم میکنند به ما کمک میکند تا شاخصه های رفتار مشتری و فراهم کردن پایه های اساسی اپلیکیشن های مشتریان آینده را بفهمیم.
برای کارهای آینده ما قصد داریم دیتا سنسور از مشتریان بیشتری را جمع آوری کنیم و تفیرات داینامیک را در رفتار در هر زمان بررسی کنیم. سپس توزیع های احتمالی حرکت بعدی هر دسته از مشتریانی با رفتار مشابه که در هر لحظه مشغول یک فعالیت خاص هستند را تشکیل داده و بر این اساس سرویس های پیشرفته بازاریابی را ایجاد کنیم.
وب معنایی را میشود فضایی جهانی از جنس محاسبات هوشمند ماشینی تصوّر کرد که در آن تمامی کتابها، کتابخانهها دانشها، دانشنامهها و پایگاههای دانش به صورتی معنیگرا و با توانایی درک مفهومی همدیگر در کنار هم قرار خواهند گرفت.
1) به کاربر آیتمهایی توصیه خواهد شد که مشابه به آیتمهایی است که کاربر درگذشته میپسندید.
2) به کاربر آیتمهایی توصیه خواهد شد که افراد همسلیقه و همفکر این کاربر، درگذشته میپسندیدند.
3)تلفیقی از دو روش بالا
از جمله کارهای پیشین استفاده از دیوایسی مخصوص که به وسیله آن هر مشتری ردیابی شده و با توجه به مکان های خاصی که قرار گرفته، به او پیشنهاداتی داده شود، را می توان نام برد. (مثال VCR و معرفی یک تیپ ویدیویی)
دیوایس مخصوص چیزی شبیه به موبایل است که در آن ردیابی موجود است که موقعیت فرد را در هرلحظه به سرور مرکزی اطلاع می دهد، با توجه به این موقعیت سرور اطلاعات فروشگاه های نزدیک به فرد را با توجه به علاقمندی ها و پروفایل کاربر برای او می فرستد. مشکل گران بودن و محدود بودن را دارد.
موبایل مشکل باتری، سایز صفحه نمایش، شبکه های ارتباطاتی و امنیت را دارد. دریافت امواجی مثل RFID هم نیاز به داشتن تگ و تگ خوان در سرتاسر مرکز خرید را دارد که باز هم شامل مشکل هزینه می شود.
3) سنسور سرعت سنج و فشار سنج بر روی پا و سنسور قطب نما و ژیرسکوپ و قطب نما بر روی ران او نصب می شود.
ویژگی متمایز این مقاله با نسخه های شبیه به خود رویکرد پیشنهادی اش مبنی بر استفاده از وب معنایی و پروفایل کاربر برای ایجاد سیستم پیشنهادگری در اپلیکیشن موبایل است.
تاکنون تمام مقاله ها بیشتر تمرکز خود را بر سیستم مکان یابی داخلی و یافتن روش ردیابی گذاشته بودند.
پیشنهادگری امروزه در تجارت الکترونیک که اینترنت را به چشم مگامالی به گستردگی یک کشور یا حتا جهان می بیند مفهومی جاافتاده و کاربردی ست. حال مگامال نمونه مینیاتوری در فضای واقعی از این جهان است چرا که در آن برای بیشتر نیازهای خرید مشتری امکان تامین هست.
البته این مدل دارای نقص هایی نیز هست، چرا که رویکرد پیشنهادی اش برای امکان پیشنهاد به مشتری چندان مفهوم یا کاربردی نیست.