انتخاب متغیر در خوشه بندی برای تقسیم بندی بازاریابی با استفاده از الگوریتم های ژنتیکی

تقسیم بازاریابی به طور گسترده ای برای هدف قرار دادن بازار کوچکتر مورد استفاده قرار می گیرد و برای تصمیم گیرندگان مفید است تا با یک ترکیب اصلی بازاریابی به همه مشتریان برسند. اگرچه الگوریتم های خوشه بندی در مقابله با این مشکل به طور گسترده ای استفاده می شوند ، اما نمی تواند مفید باشد مگر اینکه متغیرهای بی ربط از بین بروند زیرا متغیرهای بی ربط ساختار خوشه بندی را تحریف می کنند و نتایج را بی فایده می کنند. در این مقاله از الگوریتم های ژنتیکی (GA) برای انتخاب متغیر و برای تعیین تعداد خوشه ها استفاده می شود. یک مورد واقعی از مجموعه داده های بانکی برای نشان دادن کاربرد تقسیم بندی بازاریابی استفاده می شود. نتایج نشان می دهد که انتخاب متغیر از طریق GA می تواند به طور موثر راه حل بهینه جهانی را پیدا کند ، و دقت مدل طبقه بندی شده پس از خوشه بندی بطور چشمگیری افزایش می یابد.