การทำนายการยกเลิกคำสั่งซื้อสินค้าในระบบ e-commerce ด้วยการทำเหมืองข้อมูลโดยใช้เทคนิคการจำแนกข้อมูล

ปัจจุบันธุรกิจพาณิชย์อิเล็กทรอนิกส์ (e-Commerce) ยังคงเติบโตอย่างต่อเนื่อง เนื่องจากต้นทุนการเริ่มต้นธุรกิจที่ค่อนข้างต่ำและความสามารถในการเข้าถึงลูกค้าทั่วโลก อย่างไรก็ตามความท้าทายสำคัญประการหนึ่งที่ธุรกิจ e-Commerce ต้องเผชิญคือปัญหาการยกเลิกคำสั่งซื้อสินค้า ซึ่งส่งผลกระทบต่อผลประกอบการ ต้นทุนการดำเนินงาน และกระบวนการบริหารจัดการสินค้าคงคลัง ด้วยเหตุนี้การพัฒนาแบบจำลองเพื่อทำนายการยกเลิกคำสั่งซื้อที่อาจเกิดขึ้นจึงกลายเป็นวัตถุประสงค์เชิงกลยุทธ์ที่สำคัญทั้งในด้านการลดความสูญเสียที่อาจเกิดขึ้น และการเพิ่มประสิทธิภาพในการวางแผนการดำเนินงานของธุรกิจงานวิจัยนี้มีวัตถุประสงค์เพื่อทำนายการยกเลิกคำสั่งซื้อสินค้าในระบบ e-Commerce ด้วยการทำเหมืองข้อมูลโดยใช้เทคนิคการจำแนกข้อมูล Classification ด้วยโมเดลการจำแนกประเภท 7 รูปแบบ ได้แก่ ต้นไม้ตัดสินใจ (Decision Trees), เคเนียเรสเนเบอร์ (K-Nearest Neighbors: KNN), โครงข่ายประสาทเทียม (Artificial Neural Network: ANN), ซัพพอร์ตเวกเตอร์แมชชีน (Support Vector Machine: SVM), การถดถอยโลจีสติก (Logistic Regression), เกรเดียนต์บูทติ้ง (Gradient Boosting) และการสุ่มป่าไม้ (Random Forest) การศึกษาครั้งนี้ยังใช้เทคนิคการปรับสมดุลข้อมูลด้วย SMOTE และ ADASYN พร้อมทั้งการปรับแต่งพารามิเตอร์ (Hyperparameter Tuning) เพื่อให้ได้ค่าความแม่นยำสูงสุด และเปรียบเทียบประสิทธิภาพของโมเดลในการทำนายการยกเลิกคำสั่งซื้อสินค้าผลการวิจัยพบว่า โมเดลที่ให้ประสิทธิภาพสูงที่สุดคือ โมเดล Random Forest ที่มีพารามิเตอร์ bootstrap = True, criterion = gini, max_depth = None, max_features = sqrt, min_samples_leaf = 2, min_samples_split = 10 และ n_estimators = 100 โดยใช้ชุดข้อมูลที่ปรับสมดุลแล้วด้วยวิธี ADASYN โดยมีค่า Accuracy, Precision, Recall, F1-Score และ AUC เป็น 79.27%, 74.05%, 77.64%, 75.69% และ 86.16% ตามลำดับ