محمد حسین امین ابراهیم آبادی

این مطالعه با هدف بررسی مشارکت فعالیتهای بازاریابی تبلیغاتی ، تقاضای تاریخی و سایر عوامل برای پیش بینی ، و ایجاد یک چارچوب مبتنی بر طبقه بندی فازی مبتنی بر داده ها ، به نام “پیش بینی تقاضا محور” نیز انجام شده است که می تواند شکل ، حس و پاسخ به آن بدهد. خواسته های مشتری واقعی در دسترس بودن اطلاعات به موقع در مورد نیازهای مشتری آینده ، یک عامل اصلی موفقیت برای هر تجارت است. برای به حداکثر رساندن سود ، تولید کنندگان می خواهند سیگنال های تقاضا را حس کنند و تقاضای آینده را با استفاده از فاکتورهای اقتصادی ، قیمت ، فروش ، ترقی و دیگران شکل دهند تا بتوانند فوراً سفارشات مشتری را انجام دهند. با این حال ، اکثر سیستم های پیش بینی تقاضا بینش محدودی را به تولید کنندگان ارائه می دهند زیرا در جذب روندهای معاصر بازار ، فصلی بودن محصول و تأثیر پیش بینی بر میزان اثر گلوله باران کوتاهی می کنند. این مقاله با هدف بهبود دقت پیش بینی تقاضا. برای دستیابی به این هدف ، یک مدل مبتنی بر شبکه عصبی با انتشار مجدد با ورودی های فازی آموزش داده می شود و با روش های پیش بینی معیار در داده های سری زمانی ، با استفاده از تقاضای تاریخی و داده های فروش در ترکیب با اثربخشی تبلیغات ، هزینه ، تبلیغات و … مقایسه می شود. داده های بازاریابی تجزیه و تحلیل آماری انجام شده است ، و آزمایشات نشان می دهد که روش مورد استفاده در چارچوب پیشنهادی در بهینه ، کارآیی و سایر معیارهای آماری فراتر است. سرانجام ، برخی از بینش های ارزشمند مدیران برای بهبود دقت پیش بینی شبکه های عصبی فازی ، تدوین برنامه های بازاریابی برای محصولات و بحث در مورد پیامدهای آنها در چندین زمینه ارائه شده است.