แบบจำลองอัตโนมัติแบบผสมผสานเพื่อแบ่งกลุ่มและจำแนกประเภทลูกค้าอย่างเจาะจงของอุตสาหกรรมทางด่วนในประเทศไทยด้วยฐานปัญญาประดิษฐ์

Abstract

งานวิจัยนี้นำเสนอการพัฒนาแบบจำลองอัตโนมัติแบบผสมผสานเพื่อแบ่งกลุ่มและจำแนก ประเภทลูกค้าในอุตสาหกรรมทางด่วนของประเทศไทย โดยอาศัยเทคนิคการเรียนรู้ของเครื่องและ อัลกอริทึมแบบผสมผสานที่สามารถเพิ่มประสิทธิภาพและความแม่นยำในการวิเคราะห์ข้อมูลลูกค้า งานวิจัยนี้มีเป้าหมายเพื่อสร้างแบบจำลองที่สามารถจำแนกประเภทลูกค้าได้อย่างมีประสิทธิภาพ มากขึ้น รวมถึงการเปรียบเทียบกับวิธีการเดิมและการพัฒนาให้สามารถทำงานได้โดยอัตโนมัติผ่าน แนวทางของการเรียนรู้ของเครื่องอัตโนมัติ (AutoML) กระบวนการวิจัยใช้ข้อมูลพฤติกรรมการใช้ บริการทางด่วนของลูกค้าในระยะเวลา 30 วัน และ 120 วัน ซึ่งเป็นข้อมูลจากรถยนต์ที่ลงทะเบียนใน ระบบ ETC (Electronic Toll Collection) โดยไม่มีการรวมข้อมูลส่วนบุคคลใดๆ เพื่อนำมาวิเคราะห์ และจำแนกกลุ่มลูกค้าโดยใช้เทคนิคการจัดกลุ่มแบบเค-มีน จากนั้นใช้แบบจำลองการจำแนก ประเภท เช่น CatBoost, Random Forest และ XGBoost ในการวิเคราะห์ข้อมูลและพัฒนาระบบ อัจฉริยะ ผลการศึกษาแสดงให้เห็นว่าแบบจำ ลองที่พัฒนาโดยใช้แนวทางของการเรียนรู้ของเครื่อง อัตโนมัติ (AutoML) และอัลกอริทึมแบบผสมผสานสามารถจำแนกประเภทลูกค้าได้อย่างแม่นยำสูง กว่าวิธีการแบบเดิม อีกทั้งยังช่วยให้หน่วยงานที่เกี่ยวข้องสามารถคาดการณ์แนวโน้มการใช้บริการ ของลูกค้าได้อย่างแม่นยำมากขึ้น ผลลัพธ์ของงานวิจัยนี้สามารถนำไปประยุกต์ใช้ในเชิงกลยุทธ์เพื่อ เพิ่มประสิทธิภาพการให้บริการและการวิเคราะห์ข้อมูลลูกค้าในอุตสาหกรรมทางด่วน เทคโนโลยีที่ พัฒนาขึ้นสามารถสนับสนุนการตัดสินใจทางธุรกิจได้ดีขึ้น ลดข้อผิดพลาดจากกระบวนการเดิม และช่วยให้เกิดการบริหารจัดการที่มีประสิทธิภาพมากขึ้น