۱-۴- تعریف مسئله

عموماً در اکثر فرایندهای تصمیم‌گیری و مطالعه رفتار کاربر از روش‌های کمی استفاده‌شده که نیازمند تعریف مسئله به‌صورت دقیق هستند. دراین‌بین بسیاری از پارامترهای مربوط به تصمیم‌گیری کیفی می‌باشند و یا دارای عدم قطعیت‌اند که معمولا در این محاسبات نادیده گرفته شده و حذف می‌شوند.

مطالعه رفتار کاربر در شبکه‌های اجتماعی از جمله مسائل تصمیم‌گیری است که دارای پارامترهای کیفی بسیار زیادی می‌باشد. به همین دلیل استفاده از روش‌هایی که از داده‌های کیفی و دارای عدم قطعیت استفاده می‌کنند بسیار مناسب است.

تحلیل به روش نقشه‌های مفهومی فازی از آن دسته روش‌هایی است که در محاسبات خود از داده‌های کیفی و دارای عدم قطعیت استفاده می کند. به همین دلیل استفاده از تحلیل نقشه‌های مفهومی فازی روشی مناسب در محاسبه و بررسی رفتار کاربر در شبکه‌های اجتماعی می‌باشد.

۱-۵- چالش‌های پیش رو

اگر چه تلاش‌های زیادی به منظور تحلیل رفتار کاربر صورت گرفته است اما تاکنون این مباحث در مورد شبکه‌های اجتماعی و با بهره گرفتن از نقشه‌های مفهومی فازی پیاده نشده است و چالش‌هایی در این راستا وجود دارد که در ادامه تعدادی از آنها را معرفی می‌نماییم.

۱-۵-۱- پویا بودن سامانه

شبکه‌های اجتماعی جزو سامانه‌های پویایی هستند که به مرور زمان تغییرات زیادی در آنها اتفاق می‌افتد. در تحلیل رفتار کاربر باید تغییر در علایق و رفتار کاربر با گذر زمان را مدنظر قرار داد.

۱-۵-۲- عدم قابلیت تفکیک پارامترهای کیفی

بسیاری از پارامترهای بکار گرفته شده، در معنا بسیار به هم نزدیک بوده و برای تحلیل‌گر ایجاد ابهام می‌کند. عدم قابلیت تفکیک به دلیل عدم قطعیت این پارامترها یکی از مسائلی است که مشکلات زیادی برای تحلیل‌گر ایجاد می‌کند.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۱-۶- روش تحقیق

شکل زیر ساختار کلی روش تحقیق را نشان می‌دهد:

شکل ۱- ۱ ساختار روش تحقیق

۱-۷-ساختار پایان‌نامه

در این پایان‌نامه ۵ فصل وجود دارد که ترتیب آن‌ها بدین شرح است:

فصل اول: کلیات تحقیق

در این فصل هدف و حوزه تحقیق مطرح شده و رهیافت پیشنهادی بصورت کلی نشان داده شده است.

فصل دوم: نقشه‌های مفهومی فازی

در این فصل به معرفی روش تحلیل نقشه‌های مفهومی فازی، انواع و چگونگی استفاده از آن‌ها شرح داده شده است.

فصل سوم: رفتار کاربر

این فصل به اهمیت مطالعه رفتار کاربر و تغییرات آن با ظهور اینترنت و شبکه‌های اجتماعی پرداخته است.

فصل چهارم: مدل پیشنهادی

در این فصل اقدامات صورت گرفته در جهت پیشبرد این پایان‌نامه توصیف شده است.

فصل پنجم: نتیجه‌گیری

در این فصل نتیجه بدست آمده در ادامه تحلیل‌های عنوان شده در فصل چهارم آورده شده و در نهایت به ارائه پیشنهاداتی در جهت پیشبرد بیشتر و آتی این پایان‌نامه پرداخته است.

فصل دوم

نقشه‌های شناختی فازی

۲-۱- مقدمه

در این فصل ابتدا در مورد مجموعه‌های کلاسیک و فازی و ویژگی‌های آن‌ها توضیح خواهیم داد. سپس تفاوت آن‌ها را موردبررسی قرار داده و نقاط قوت مجموعه‌های فازی را بیان می‌کنیم.

در ادامه به تشریح نقشه‌های مفهومی فازی، ماهیت، روش تشکیل و انواع آن‌ها پرداخته خواهد شد.

۲-۲- تئوری مجموعه‌های کلاسیک

یک مجموعه اجتماعی از اشیا است که باوجود خصوصیات مشترک قابل تمیز دادن از یکدیگر هستند. هر درایه در این مجموعه یک عضو از مجموعه خوانده می‌شود.

اگر یک عنصر (a) عضو مجموعه‌ای (A) باشد، گفته می‌شود که a متعلق به مجموعه A است و آن را به‌صورت نشان می‌دهند. علامت E نشان‌دهنده عضویت تام و نه جزئی است. در مقابل علامت نیز نشان‌دهنده عدم عضویت تام است؛ یعنی ممکن نیست عنصری به‌طور جزئی عضو مجموعه باشد و یا نباشد. (ژانگ و لیو، ۲۰۰۶)

۲-۳- تئوری مجموعه‌های فازی

مرزهای مجموعه‌های کلاسیک می‌بایست به‌طور دقیق مشخص‌شده باشند و درنتیجه عضویت در یک مجموعه با اطمینان مشخص می‌شود. یک عضو مشخصاً عضو یک مجموعه هست یا نیست. هرچند در دنیای واقعی هیچ مجموعه‌ای با این دقت پیاده‌سازی نمی‌شود. برای مثال، مجموعه انسان‌های قدبلند یک مجموعه است که مرزهای آن را به‌طور دقیق نمی‌توان مشخص کرد یا استانداردی در مورد آن وجود ندارد. برای مقابله با این محدودیت در مجموعه‌های کلاسیک، مفهوم مجموعه‌های فازی عنوان شد.

فرض کنید U یک مجموعه مرجع باشد. یک مجموعه فازی در U به‌وسیله تابع عضویت تعریف می‌شود و مقداری بین [۰,۱] می‌گیرد. بدین معنی که یک مجموعه فازی به اعضای خود اجازه می‌دهد برای عضویت خود بجای مقدار ۰ یا ۱ مقداری بین این دو عدد را به خود اختصاص دهند. (ژانگ و لیو، ۲۰۰۶)

اعضای یک مجموعه کلاسیک مقدار عضویت خود را تنها ۰ یا ۱ اختیار می‌کنند. درحالی‌که تابع عضویت در مجموعه فازی یک تابع پیوسته است. یک مجموعه فازی A در U ممکن است به‌وسیله زوج اعداد x و مقدار عضویت x نشان داده شود. (ژانگ و لیو، ۲۰۰۶)

(۲- ۱)

زمانی که U پیوسته باشد (برای مثال)، مجموعه فازی A به‌صورت زیر نشان داده می‌شود (ژانگ و لیو، ۲۰۰۶):

(۲- ۲)

که در آن اعضا و تابع عضویت است. در مقابل زمانی که U گسسته باشد، A به‌صورت زیر نوشته می‌شود (ژانگ و لیو، ۲۰۰۶):

(۲- ۳)

پشتیبان یک مجموعه فازی A در مجموعه مرجع U یک مجموعه کلاسیک است که شامل تمام اعضای U است که در تابع عضویت A مقدار غیر صفر داشته باشند (ژانگ و لیو، ۲۰۰۶):

(۲- ۴)

اگر پشتیبان یک مجموعه فازی خالی باشد، به آن مجموعه فازی خالی گفته می‌شود.

همان‌طور که گفته شد متغیرهای فازی می‌توانند به‌صورت جزئی عضو یک مجموعه فازی باشند. به‌طور مثال در مورد دمای هوا، ممکن است گرم یا خیلی سرد باشد. متغیر دمای هوا با مقدار ۲۵ درجه سانتی‌گراد هم عضو مجموعه هوای گرم و هم عضو مجموعه هوای معتدل است. ولی مقدار عضویت در هرکدام از این مجموعه‌ها متفاوت است.

شکل ۲- ۱ متغیر فازی دما با مقدار ۲۵ درجه سانتی‌گراد در هر سه مجموعه فازی دمای سرد، گرم و معتدل قرار می‌گیرد ولی با درجه عضویت‌های مختلف

۲-۴- نقشه‌های شناختی فازی

FCM^[1] برای اولین بار توسط بارت کاسکو^[۲] در سال ۱۹۸۶ تعریف شد. FCM زمانی که از داده‌های نامطمئن استفاده می‌کنیم نقش بسیار مهمی ایفا می‌کند و یکی از ساده‌ترین روش‌ها برای محاسبه و تحلیل مؤثر به‌وسیله گراف‌های جهت‌دار و ماتریس‌های اتصال است (کاسکو، ۱۹۸۶).

FCM یک گراف جهت‌دار است که در آن مفاهیمی همچون سیاست‌ها، رخدادها و غیره، گره‌های آن و رابطه علت و معلولی به‌عنوان یال‌های آن در نظر گرفته می‌شود. FCM نشان‌دهنده رابطه علیت بین دو مفهوم است. (کاسکو، ۱۹۸۶)

اگر افزایش (یا کاهش) در یک مفهوم موجب افزایش (یا کاهش) در مفهوم دیگری شود، رابطه بین آن‌ها را با ۱+ نشان می‌دهیم. اگر رابطه‌ای بین آن‌ها نباشد با ۰ و اگر با افزایش (یا کاهش) یک مفهوم، مفهوم دیگری کاهش (یا افزایش) داشته باشد رابطه بین آن‌ها را با ۱- نشان می‌دهیم. (هورگا، ۲۰۰۲)

شکل ۲- ۲ رابطه ۱+ و ۱- بین گره‌ها در FCM (هورگا، ۲۰۰۲)

زمانی که گره‌های یک FCM از مجموعه‌ای فازی باشند به آن‌ها گره‌های فازی گفته می‌شود. این مجموعه‌ها شامل مفاهیمی همچون سیاست‌ها، رخدادها و غیره می‌باشند.

FCM با مجموعه رابطه ، FCM ساده خوانده می‌شود. (بانینی و برمن، ۱۹۹۸)

فرض کنید FCM از گره‌های تشکیل‌شده است. وزن یال از به را نشان می‌دهد. E مجموعه یال‌های FCM است . به ماتریس E ماتریس مجاورت FCM یا ماتریس اتصال FCM گفته می‌شود. تمامی ماتریس‌هایی که به یک FCM مربوط می‌باشند مربعی هستند.

در نقشه‌های مفهومی فازی غیر ساده مقادیر از ۱- به معنای اثر منفی شدید، تا ۱+ به معنای اثر مثبت شدید قرار دارند. برای مثال مانند جدول زیر می‌توان این مقادیر عددی را به مقادیر مفهومی نگاشت کرد. (هورگا، ۲۰۰۲)

جدول ۲- ۱ نگاشت مقدار عددی به مقادیر مفهومی (هورگا، ۲۰۰۲)

مقدار عددی
مقدار مفهومی

۱+

تأثیر بسیار زیاد

۰٫۵+

تأثیر گزار

۰

بدون تأثیر

۰٫۵-

تأثیر منفی

۱-

تأثیر بسیار زیاد منفی

اگر عضو FCM باشند، آنگاه به‌صورتیکه . A بردار حالت آنی خوانده می‌شود و نشان‌دهنده روشن یا خاموش بودن گره در یک‌لحظه است.

اگر گره‌های FCM باشند و یال‌های FCM باشند و ، آنگاه اگر یال‌ها تشکیل یک حلقه جهت‌دار دهند گفته می‌شود که FCM چرخشی است. در غیر این صورت به آن غیر چرخشی گفته می‌شود. FCM چرخشی دارای بازخورد است. به این معنی که در هر چرخه نتیجه تغییر اولیه به همان‌جا خواهد رسید.

زمانی که در یک FCM بازخورد وجود داشته باشد گفته می‌شود که FCM یک سامانه پویا است. سامانه‌های پویا به سامانه‌هایی گفته می‌شود که حالت آن‌ها در طول زمان تغییر می‌یابد. (آگیولار، ۲۰۰۵)

فرض کنید که یک چرخه در FCM باشد. زمانی که روشن می‌شود این جریان علیت در کل حلقه دور می‌زند و اگر منجر به شود، گفته می‌شود که به یک حالت تعادل^[۳] رسیده است. به حالت تعادل سیستم پویا، الگوی مخفی^[۴] گفته می‌شود.

اگر حالت تعادل یک سیستم پویا یک حالت یکتا باشد، به آن نقطه ثابت^[۵] گفته می‌شود.

اگر FCM با یک بردار حالت چرخشی مانند مواجه شود، آنگاه به این حالت، چرخه محدود^[۶] گفته می‌شود.

تعدادی محدود از نقشه‌های مفهومی فازی می‌توانند باهم مخلوط شوند و تشکیل یک FCM جامع را بدهند. اگر ماتریس‌های مجاورت نقشه‌های مفهومی فازی مختلف با گره‌های باشد، آنگاه می‌توان نقشه مفهومی فازی کل را به روش زیر محاسبه نمود: (آگیولار، ۲۰۰۵)

(۲- ۵)

فرض کنید یک بردار تغییر حالت است که وارد سیستم پویای E می‌شود. سپس پس از به‌روزرسانی حالت‌ها مقدار را برمی‌گرداند که آن را به شکل زیر نشان می‌دهیم:

(۲- ۶)

درنتیجه علامت نشان‌دهنده این است که بردار به‌دست‌آمده به‌روزرسانی شده است.

FCM نیز مانند سامانه‌های دیگر دارای مزایا و معایبی است. بزرگ‌ترین مزیت FCM سادگی آن است و اینکه بر پایه نظر خبرگان کار می‌کند. زمانی که داده‌ها قطعیت کافی را نداشته باشند FCM کاملاً قابل‌استفاده است. این تنها روش شناخته‌شده فازی است که الگو مخفی موقعیت را به دست می‌آورد. همچنین FCM قابلیت استفاده از نظرات چندین خبره و جمع‌بندی نظرات آن‌ها را به‌طور کامل و دقیق دارد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

یکی از مهم‌ترین معایب FCM زمانی است که مقدار بین دو گره و به‌صورت همزمان ۱+ و ۱- باشد. در این صورت جمع این دو مقدار صفر شده و این مقدار منطبق با نظر خبرگان نخواهد بود.

از FCM در جایگزینی سامانه‌های خبره در اقتصاد، جامعه‌شناسی و شبیه‌سازی استفاده می‌شود. (هورگا، ۲۰۰۲)

۲-۴-۱- خصوصیات نقشه‌های مفهومی فازی

نقشه‌های مفهومی فازی زمانی که از داده‌های نامطمئن استفاده می‌کنیم بسیار پرکاربرد هستند. این نقشه‌ها بر اساس نظرات خبرگان کار می‌کنند. نقشه‌های شناختی فازی دنیا را به مجموعه‌ای از کلاس‌ها و روابط علّی بین این کلاس‌ها تقسیم می‌کند. (آگیولار، ۲۰۰۵)

نقشه‌های فازی شناختی گراف‌های علامت‌دار جهت‌دار فازی همراه با بازخورد هستند. یال جهت‌دار از گره مفهومی تا مفهوم نشان‌دهنده این است که به چه میزان موجب می‌شود. تابع مفهومی مبتنی بر زمان نشان‌دهنده میزان غیر منفی اتفاق افتادن واقعه فازی است.

از نقشه‌های مفهومی برای مدل کردن مسائل بسیار زیادی بکار برده می‌شود، از رفتار گوارشی-اشتها^[۷] گرفته تا توسعه سیاسی^[۸]. از این نقشه‌های فازی همچنین برای مدل‌سازی مسائل ربوتیک استفاده می‌شود. (کانداسامی و اسمارانداچ، ۲۰۰۳)

یک یال در یک نقشه مفهومی فازی ممکن است مقداری در بازه به خود اختصاص دهد. نشان‌دهنده این است که هیچ رابطه علی وجود ندارد. نشان‌دهنده این است که افزایش در مقدار باعث افزایش در مقدار می‌شود ( یا کاهش منطبق با کاهش است). نشان‌دهنده این است که افزایش در مقدار فازی باعث کاهش در مقدار می‌شود ( یا کاهش در مقدار باعث افزایش در مقدار می‌شود). یک نقشه مفهومی فازی ساده دارای یال‌هایی است که یکی از مقادیر را به خود اختصاص می‌دهند. پس تغییرات در سطح نقشه مفهومی به‌صورت حداکثری است. این نوع نقشه‌ها برای بیان مفهوم و در اختیار گذاشتن اطلاعات بسیار پرکاربرد هستند.

بازخوردهای موجود در FCM به متخصصان اجازه می‌دهد تا به‌سادگی نقشه‌ی کاملی از مسئله را در نظر داشته باشند. به دلیل وجود بازخورد در FCM نمی‌توان از جستجو در گراف^[۹]، زنجیره سازی به جلو^[۱۰] و زنجیره سازی به عقب^[۱۱] استفاده نمود. در مقابل FCM را می‌توان به‌عنوان یک سیستم پویا در نظر گرفت و رفتار تعادلی آن را به‌عنوان استنتاج روبه‌جلو^[۱۲] در نظر گرفت. (کانداسامی و اسمارانداچ، ۲۰۰۳)

به‌وسیله نقشه‌های مفهومی فازی می‌توان نتیجه‌گیری کرد. FCM به‌طور مکرر بردار تغییر حالت را در خود تأثیر می‌دهد و سپس نتیجه در هر گام مطابق با آستانه تعیین می‌شود. هر FCM مستقل از اندازه خود پس از گذراندن چندین گام به یک حد آستانه از حافظه و یا حالت تعادل می‌رسد که الگوی مخفی نتیجه شده از تغییر حالت ابتدایی آن سامانه پویا است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

می‌توان چندین FCM را که از خبرگان مختلف گرفته‌شده باهم مخلوط نمود. برای این کار باید ابتدا پارامترهای آن‌ها را هماهنگ کرد، بدین‌صورت که پارامترهای معرفی‌شده توسط تمامی خبرگان مساوی باشند. اگر خبره‌ای پارامتری را در نظر نگرفته است آن را به ماتریس مجاورت اضافه کرده و کلیه سطرها و ستون‌های مربوط به آن پارامتر صفر قرار داده می‌شود. پس از پارامترها، ماتریس‌های مجاورت به‌دست‌آمده باهم جمع می‌شوند (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۷)

پس از انجام این عملیات به‌سادگی می‌توان FCM مربوط به ماتریس مجاورت کلی را رسم نمود. مطمئناً این FCM دیگر ساده نیست؛ زیرا پس از جمع‌کردن درایه‌های ماتریس‌ها، مقدار آن‌ها فراتر از بازه خواهد بود و شرط ساده بودن FCM قرار داشتن مقادیر یال‌ها بین ۱- و ۱+ است.

در بعضی مواقع نظرات تمامی خبرگان هم ارزش نبوده و ارزش هرکدام نسبت به دیگری متفاوت است. برای به دست آوردن FCM مربوط به چند خبره با ارزش‌های متفاوت می‌بایست برای هرکدام از آن‌ها وزنی ارائه گردد. به‌وسیله وزن ارائه‌شده و مقادیر ماتریس مجاورت آن‌ها، FCM کلی با روش زیر محاسبه می‌گردد (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۸)

که در آن ، وزن یا ارزش خبره iم است.

به‌طور ساده می‌توان هر حالت را به‌صورت زیر محاسبه نمود:

(۲- ۹)

که در آن حالت سیستم در زمان t و خروجی حالت سیستم پس از گذار زمان t است. در هر مرحله گذار، بردار حالت کنونی در ماتریس مجاورت ضرب می‌شود تا حالت جدید به دست آید. در حالت جدید اعداد مربوط به گره‌ها ممکن است خارج از محدوده یا غیر صحیح باشند. برای نرمال کردن این اعداد از یک تابع ساده استفاده می‌شود. این تابع به‌صورت زیر است (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۱۰)

بردار حالت به‌دست‌آمده در هر مرحله گذار، ورودی مرحله بعدی است.

پس می‌توان نتیجه گرفت که:

(۲- ۱۱)

که در آن f تابع نرمال کردن حالت سیستم است. (گورگوپولوس، ۲۰۰۳)

بامطالعه حالات پایانی می‌توان به مدل نهایی FCM دست یافت. FCM زمانی به نقطه تعادل می‌رسد که یک الگو مشابه بارها تکرار شده باشد.

تراکم یک نقشه شناختی D شاخصی از اتصال است که به‌صورت زیر محاسبه می‌گردد (کانداسامی و اسمارانداچ، ۲۰۰۳):

(۲- ۱۲)

که در آن C نشان‌دهنده تعداد اتصالات موجود بر روی N متغیر است.

ساختار یک FCM موجود را جدای از تعداد متغیرها و اتصالات به‌وسیله مقادیری همچون متغیرهای فرستنده و گیرنده می‌توان تحلیل نمود. این متغیرها به‌وسیله درجه خروجی و ورودی خود مشخص می‌شوند. درجه خروجی جمع سطری یک متغیر در ماتریس مجاورت است که نشان‌دهنده نیروی انباشته اتصالات خروجی آن است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۳)

درجه ورودی جمع ستونی یک متغیر در ماتریس مجاورت است که نشان‌دهنده نیروی انباشته اتصالات ورودی به متغیر می‌باشد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۴)

دامنه یک متغیر جمع درجه خروجی و درجه ورودی آن است که به آن مرکزیت گفته می‌شود. سهم هر متغیر در FCM را بدون توجه به نوع آن می‌توان به‌وسیله مقدار مرکزیت آن سنجید. (کانداسامی و اسمارانداچ، ۲۰۰۳)

(۲- ۱۵)

متغیرهای فرستنده متغیرهایی هستند که مجموع درجه خروجی آن‌ها مثبت و جمع درجه ورودی‌شان صفر باشد. در مقابل متغیرهای ورودی متغیرهایی هستند که جمع درجه ورودی‌شان مثبت و جمع درجه خروجی آن‌ها صفر باشد. بقیه متغیرها متغیرهای معمولی هستند.

تعداد متغیرهای گیرنده یک نقشه مفهومی فازی، معیاری برای اندازه‌گیری پیچیدگی آن نقشه است.

تعدد بالای متغیرهای فرستنده نشان‌دهنده تفکر از بالا به پایین یا سیستم سلسله مراتبی است. بسیاری از واحدهای فرستنده از زاویه مستقیم به نقشه مفهومی نگاه می‌کنند به‌صورتیکه استدلال‌های علّی به‌خوبی مشخص نیستند. درنتیجه می‌توان پیچیدگی نقشه‌های شناختی را به‌وسیله تعداد گیرنده‌ها بر روی فرستنده‌ها به دست آوریم. مقادیر بالاتر از این مقدار نشان‌دهنده نقشه‌های پیچیده‌تری هستند.

یکی دیگر از متغیرهای قابل‌اندازه‌گیری در FCM، شاخص سلسله مراتبی (h) است :

(۲- ۱۶)

که دران N تعداد کل متغیرهاست. وقتی‌که h برابر با یک باشد، نقشه به‌طور کامل سلسله مراتبی است. در مقابل زمانی که مساوی با صفر شود، سیستم به‌طور کاملاً خودمختار شکل می‌گیرد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

۲-۴-۲- انواع نقشه‌های مفهومی فازی

نقشه‌های مفهومی فازی به دلیل گستردگی کاربرد و ساده بودن مراحل، بسیار قابل سفارش سازی است. از همین رو انواع مختلفی را شامل می‌شود. در این بخش به توضیح تعدادی از مهم‌ترین شکل‌های نقشه‌های مفهومی فازی پرداخته ‌شده است.

۲-۴-۲-۱- نقشه‌های مفهومی فازی تطبیقی^[۱۳]

ساخت روابط علّی برای پارامترهای فازی کاری بسیار ساده است. اما مسئله زمانی پیش می‌آید که مقادیر در نظر گرفته‌شده نیازمند ارزیابی و بالا بردن دقت باشند. در این‌گونه موارد به‌روزرسانی وزن یال‌ها کاری بس دشوار است. زیرا در هر بازه زمانی علاوه بر حالت سیستم، وزن یال‌ها یا مقادیر روابط علّی نیز تغییر می‌کند.

برای حل این مشکل می‌توان از خصوصیت یادگیری شبکه‌های عصبی استفاده نمود. بدین معنی که اجازه دهیم یال‌های نقشه مفهومی فازی همانند سیناپس‌ها در شبکه عصبی مقدار خود را در هر مرحله گذار تغییر دهند. (کارلسون و فولر، ۱۹۹۶)

نقشه‌های مفهومی فازی تطبیقی مقادیر یال‌های خود را بر اساس داده‌های گذشته و تاریخچه خود تغییر می‌دهند. با این روش دقت محاسبه نقشه مفهومی فازی بالا رفته و پیش‌بینی آینده ساده می‌گردد.

معمولاً از نقشه‌های مفهومی فازی تطبیقی زمانی استفاده می‌شود که داده‌های اولیه مربوط به خبرگان در دسترس نباشد و یا اینکه داده‌ها ازنظر حجم و نوع به‌گونه‌ای باشند که توانایی محاسبه آن‌ها به‌صورت دستی امکان‌پذیر نباشد. (آگیولار، ۲۰۰۲)

فن‌های مختلفی برای تبدیل یک نقشه مفهومی فازی به نوع تطبیقی وجود دارد. حافظه انجمنی موقت^[۱۴] (اماری، ۱۹۷۲) یکی از ساده‌ترین و پرکاربردترین این فن‌ها است.

درروش یادگیری تفاضلی هبیان^[۱۵] که از حافظه انجمنی موقت استفاده می‌کند، برای جلوگیری از مقادیر ساختگی یال‌ها، تغییرات جریان علیّت بر روی وزن یال‌ها تأثیرگذار هستند. ایده اولیه این روش، به‌روزرسانی وزن‌ها در شبکه علّیت، به شکلی که به‌طور مستقیم مرتبط با تغییرات مقادیر مفاهیم است، می‌باشد. اگر مقدار مفهوم در همان جهت تغییر یافت، الگوریتم مقدار مثبت وزن علّی را افزایش می‌دهد. در غیر این صورت اگر تغییرات در جهت عکس باشد، الگوریتم مقدار منفی را افزایش می‌دهد (کاسکو، ۱۹۸۶). این تغییرات طبق معادله زیر انجام می‌پذیرد:

(۲- ۱۷)

متغیر عاملی برای فراموشی وزن‌های بسیار قدیمی و کم کردن تأثیر آن‌ها در وزن‌های جدید است و به‌صورت زیر محاسبه می‌گردد:

(۲- ۱۸)

تنها ایرادی که می‌توان به روش یادگیری تفاضلی هبیان گرفت این است که در محاسبه قدرت علّی بین دو مفهوم و ، تنها از مقادیر گذشته این دو مفهوم استفاده می‌شود. (هورگا، ۲۰۰۲)

۲-۴-۲-۲- نقشه‌های مفهومی فازی با درجات متعادل^[۱۶]

مفهوم نقشه‌های مفهومی فازی متعادل برای اولین بار توسط سادیراس و مارگاریتیس^[۱۷] (۲۰۰۷) عنوان شد. یک نقشه مفهومی فازی، نامتعادل است اگر بتوان دو مسیر بین دو گره ثابت پیدا کرد که روابط علّی آن‌ها علامت‌های مختلفی داشته باشند. در غیر این صورت FCM متعادل است. در یک FCM نامتعادل نمی‌توان علامت تأثیر کلی یک مفهوم بر دیگری را به دست آورد. با توجه به تعریف ایدن^[۱۸] (۱۹۹۲) که تأثیر کلی می‌بایست هم علامت با کوتاه‌ترین مسیر بین دو گره باشد؛ با افزایش طول یک مسیر، رابطه علّی غیرمستقیم ضعیف می‌شود. در مقابل، سادیراس و مارگاریتیس (۲۰۰۷) علامت تأثیر کلی را منطبق با علامت مهم‌ترین مسیر می‌دانند. مهم‌ترین مسیر در نظر آن‌ها مسیری است که از اکثر گره‌های مهم می‌گذرد.

متعادل و غیرمتعادل بودن درجه‌ی یک گراف FCM به‌وسیله درجه تعادل آن گراف مشخص می‌شود. درجات تعادل مختلفی تاکنون معرفی‌شده‌اند که هرکدام از آن‌ها برای مسئله خاصی کاربرد دارد. سادیراس و مارگاریتیس معادله زیر را برای به دست آوردن درجه تعادل ارائه نموده‌اند:

(۲- ۱۹)

که در آن P تعداد نیم چرخه‌های مثبت گراف و t تعداد کل نیم چرخه‌ها است. نیم چرخه‌ها چرخه‌هایی از گراف هستند که بدون در نظر گرفتن جهت یال‌ها به دست می‌آیند. هر چه مقدار این پارامتر به یک نزدیک‌تر باشد، گراف متعادل‌تر است. می‌توان معادله بالا را به شکل زیر ساده نمود:

(۲- ۲۰)

یا

(۲- ۲۱)

که در آن تعداد نیم چرخه‌های مثبت با طول m، تعداد نیم چرخه‌های منفی با طول n، تعداد کل نیم چرخه‌ها و f(m) تابع افزایش یکنواخت مانند می‌باشد. (کانداسامی و اسمارانداچ، ۲۰۰۳)

برای محاسبه این درجه ابتدا علامت‌های تمام روابط علّی غیرجهتدار که بین هر جفت مفهوم و وجود دارند به‌دست آورده می‌شوند. فرض کنید تعداد مسیرهای مثبت بین مفهوم تا و تعداد مسیرهای منفی از مفهوم تا باشد. دراین صورت دو امکان وجود دارد:

حالت اول این‌که باشد. در این صورت تعداد کل مسیرهای بین دو مفهوم زوج است. اگر i=j باشد یک حلقه تشکیل می‌شود. زمانی یک FCM کاملاً متعادل داریم که یا یا یا و باشند. در مقابل زمانی کاملاً نامتعادل است که . با توجه به این استدلال‌ها معادله زیر معیار مناسبی برای بیان تعادل می‌باشد:

(۲- ۲۲)

حالت دوم زمانی اتفاق می‌افتد که +۱٫ دراین صورت تعداد کل مسیرها بین دو مفهوم فرد است. زمانی یک FCM کاملاً متعادل داریم که یا یا یا و باشند. در مقابل زمانی کاملاً نامتعادل است که یا یا و . با توجه به این استدلال‌ها معادله زیر معیار مناسبی برای بیان تعادل می‌باشد:

(۲- ۲۳)

که برای به‌دست آوردن یک معادله واحد می‌توان از معادله زیر استفاده کرد:

(۲- ۲۴)

به‌دست آوردن این مقدار تعادل در پیش‌بینی رفتار کلی نقشه مفهومی فازی بسیار کمک کننده است. (کانداسامی و اسمارانداچ، ۲۰۰۳)

۲-۴-۲-۳- نقشه‌های مفهومی فازی براساس قوانین^[۱۹]

نقشه‌های فازی مفهومی نوعی نقشه علّی است و در بسیاری از کاربردها، یک نقشه مفهومی فازی یک شبکه عصبی ساخته شده به دست انسان به روش سنتی است و جنبه‌های فازی را دنبال نمی‌کند. آن‌ها خصوصیات سیستم‌های فازی دیگر را مورد اشتراک قرار نمی‌دهند و در نهایت پاسخ یک نقشه مفهومی فازی یک ماتریس کمی بدون هیچ دانش کیفی است. برای مقابله با این مسئله کاروالو و توم^[۲۰] (۲۰۰۰) نقشه‌های مفهومی فازی مبتنی بر قوانین را معرفی نمودند. این سامانه می‌تواند پویایی کیفی دنیای واقعی را شبیه‌سازی و مدلسازی کند.

یکی از مسائل مهمی که در بیان سیستم‌های پویای کیفی نادیده گرفته می‌شود زمان است. زمان یکی از ملزومات اصلی سیستم‌های پویا است. وقتی که با زمانبندی کمی سیستم‌های پویا سروکار داریم به دلیل قابلیت بیان واضح زمان در معادلات ریاضی برای توصیف روابط بین مفاهیم، مسائل به سادگی قابل حل می‌باشند. هرچند در سیستم‌های پویای کیفی که زبان طبیعی برای بیان روابط بین مفاهیم کافی است، زمان می‌بایست به صورت التزامی در این روابط بیان شود. در نقشه‌های مفهومی فازی مبتنی بر زمان، زمان می‌بایست در قوانین فازی که روابط را بیان می‌کنند، گنجانده شود. بدون درنظر گرفتن چنین زمانبندی، تضمین قابل قبول بودن شبیه‌سازی ناممکن است.

نقشه‌های مفهومی فازی مبتنی بر زمان، ارائه‌ای از پویایی سیستم‌های کیفی پیچیده دنیای واقعی با بازخورد و شبیه‌سازی سلسله وقایع و تأثیر آن‌ها بر سیستم است. این نقشه‌ها از گراف‌های جهتدار فازی همراه با بازخورد هستند که از گره‌های فازی ( مفاهیم) و پیوندهای فازی ( روابط) تشکیل شده‌اند. نقشه‌های مفهومی فازی مبتنی بر زمان، به دلیل آنکه محدود به ارائه روابط علّی نیستند، نقشه‌های مفهومی واقعی هستند. برخلاف نقشه‌های مفهومی فازی، مفاهیم، متغیرهای فازی هستند که مبتنی بر متغیرهای زبانی فازی تعریف می‌شوند و برای بیان روابط از پایه‌های قوانین فازی استفاده می‌کنند. این نقشه‌ها به دلیل استفاده از قوانین صریح فازی و انعطاف پذیری آن‌ها در بیان روابط، در مدل‌سازی و شبیه‌سازی سیستم‌های پویای پیچیده کیفی بسیار پرکاربرد هستند. (کاروالو و توم، ۲۰۰۰)

نقشه‌های مفهومی فازی مبتنی بر زمان تکراری^[۲۱] هستند: مقدار کنونی هر مفهوم با بهره گرفتن از مقادیر ورودی قبلی آن محاسبه می‌شود. سیر تکاملی سیستم در طول زمان ممکن است به تعادل و همگرایی در یک حالت منفرد یا چرخه‌ای از حالت‌ها با شرایط خاص برسد.

معرفی و یا حذف مفاهیم یا روابط، یا تغییر حالت در یک یا تعداد بیشتری از مفاهیم بر سیستم مدل‌سازی شده تأثیر خواهد گذاشت زیرا معمولاً به دلیل پیچیدگی پیوندهای بازخوردی، پیش‌بینی آن‌ها اغلب سخت و یا غیرممکن می‌باشد. نقشه‌های مفهومی فازی مبتنی بر زمان، ابزاری برای پیش‌بینی تکامل ایجاد شده به وسیله چنین تغییرهایی در طول زمان است. این نقشه‌ها دو نوع مفهوم ( سطوح و انواع)، چندین نوع رابطه (علّی، استنتاجی، اشتراکی، شباهت و دیگر روابط رایج ) و مکانیسم‌های پشتیبان احتمالات مبتنی بر زمان و ثابت را مهیا می‌نمایند. (کانداسامی و اسمارانداچ، ۲۰۰۳)

نقشه‌های مفهومی فازی مبتنی بر زمان، یک زبان برنامه نویسی مخصوص به خود برای تعریف کمیت‌های سیستم‌های پویا در دنیای واقعی دارد. با بهره گرفتن از این زبان می‌توان مفاهیم، روابط، متغیرهای زبانی، توابع عضویت و غیره را تعریف نمود.

۲-۵- نتیجه‌گیری

به‌منظور آشنایی با نقشه‌های مفهومی فازی این فصل به معرفی مجموعه‌های کلاسیک و فازی، بررسی نقشه‌های مفهومی فازی و مشخصات آن‌ها پرداخت و در انتها نیز انواع نقشه‌های مفهومی فازی توضیح و تشریح داده شد. با توجه به مطالب بیان‌شده، می‌توان نتیجه گرفت که مجموعه‌های فازی به دلیل شباهت بیشتر به دنیای واقعی، بر مجموعه‌های کلاسیک برتری داشته و ازاین‌رو تحلیل نقشه‌های مفهومی فازی روشی کارآمد و مؤثر در شبیه‌سازی و مدل‌سازی سامانه‌های پویای دنیای واقعی محسوب می‌شوند.

فصل سوم

رفتار کاربر

۳-۱- مقدمه

در عصر حاضر مطالعه رفتار مصرف‌کننده نقش مهمی در تعیین استراتژی‌های سازمان دارد. زیرا مصرف‌کننده و کاربر مهم‌ترین هدف هر سازمانی است. در این فصل به اهمیت مطالعه رفتار مصرف‌کننده و کاربر در محیط فیزیکی و محیط اینترنت پرداخته خواهد شد و در ادامه این مباحث در شبکه‌های اجتماعی بررسی می‌شود. در پایان نیز به دسته‌بندی عوامل مؤثر در رفتار کاربر پرداخته می‌شود.

۳-۲- رفتار مصرف‌کننده

رفتار مصرف‌کننده یکی از مهم‌ترین مسائلی است که در سال‌های گذشته موردبحث و تحقیق قرارگرفته است. سازمان‌ها همیشه خواهان فهم نحوه تصمیم‌گیری مصرف‌کننده بوده‌اند تا بتوانند در طراحی محصولات و خدمات خود از آن استفاده کنند. به‌طور مثال اطلاع از گرایش رفتار مصرف‌کننده به سمت استفاده از تبلت‌ها می‌تواند به سازمان‌های تولیدکننده وسایل الکترونیکی در تغییر جهت خط تولیدشان کمک کند. مطالعه رفتار مصرف‌کننده از اهمیت ویژه‌ای در نحوه تصمیم‌گیری مدیریتی سازمان‌ها برخوردار است. یافته‌ای تحقیقات مربوط به مصرف‌کننده همچنین قادر است به‌صورت یک عامل مؤثر در بخش‌بندی بازار عمل نماید (سیبرت، ۱۹۹۶). به‌طور مثال استفاده از تبلت‌ها در بین جوانان بسیار بیشتر از افراد دیگر است.

رفتار مصرف‌کننده همچنین با بازار بین‌المللی رابطه دارد. مطالعه فرایندهای میان فرهنگی و واکنش‌هایی که در کشورهای مختلف به فعالیت‌های مربوط به بازاریابی نشان داده می‌شود، نقطه عطف این حوزه به‌حساب می‌آیند.

مطالعه رفتار مصرف‌کننده مشخص‌کننده اهمیت مسئولیت‌های اخلاقی و اجتماعی در بازار است (سیبرت، ۱۹۹۶). برای مثال اطلاع از عواقب استفاده بیش‌ازحد کودکان از تبلت‌ها و دستگاه‌های الکترونیکی موجب رشد بهتر جمعیت جوان در یک جامعه می‌شود.

مفهوم بازاریابی دلالت بر این عقیده دارد که صنعت، فرایند رضایت مشتری است؛ نه فرایند تولید کالا. یک صنعت با مصرف‌کننده و نیازهایش شروع می‌شود نه به‌وسیله حق امتیاز، مواد خام و یا مهارت فروش. تنها وقتی یک سازمان می‌تواند به بقای خود ادامه دهد که بتواند نیازها و خواسته‌های مصرف‌کننده را با درکی صحیح و جامع از طرف مقابل برآورده کند که این اهمیت مطالعه رفتار مصرف‌کننده را نشان می‌دهد.

رفتار مصرف‌کننده به‌عنوان مطالعه واحدها و فرایندهای مبادله‌ای که شامل اکتساب، مصرف و کنار گذاری کالا، خدمات، تجارب و ایده‌ها است، تعریف می‌شود. مصرف‌کننده به‌ناچار در یک‌طرف فرایند مبادله قرار می‌گیرد که در آن منابع در بین دو طرف جابجا می‌شود. به‌علاوه منابع دیگری همچون احساسات، اطلاعات و موقعیت‌ها نیز می‌توانند بین طرفین مبادله شوند. فرایند مبادله یک عنصر بنیادی در رفتار مصرف‌کننده است (هوستون، ۱۹۸۶).

داشتن درک صحیح از مصرف‌کنندگان و فرایند مصرف، مزیت‌های متعددی را در بردارد. این مزیت‌ها شامل کمک به مدیران در جهت تصمیم‌گیری، تهیه یک مبنای شناختی از طریق تحلیل مصرف‌کنندگان، کمک به قانون‌گذاران و تنظیم‌کنندگان برای وضع قوانین مربوط به خریدوفروش کالا و خدمات و درنهایت کمک به مصرف‌کنندگان در جهت تصمیم‌گیری بهتر است. اهمیت درک صحیح از مصرف‌کننده در تعریف بازاریابی به‌عنوان یک فعالیت انسانی معطوف به ارضای نیازها و خواسته‌ها از طریق فرایندهای مبادله یافت می‌شود.

شناخت رفتار مصرف‌کننده می‌تواند به ایجاد سیاست‌گذاری عمومی کمک نماید. تا آنجایی که مربوط به اصول رفتار مصرف‌کننده است، سیاست‌گذاری عمومی شامل ایجاد قوانین و مقرراتی است که در بازار بر مصرف‌کننده تأثیر می‌گذارند. در قلمرو سیاست‌گذاری عمومی مربوط به رفتار مصرف‌کننده، مطالعه بدرفتاری مصرف‌کننده نیز مدنظر قرار دارد (هوستون، ۱۹۸۶).

داشتن آگاهی کلی از رفتار مصرف‌کننده دارای ارزش شخصی نیز می‌باشد. با شناختی که هر فرد از عوامل مؤثر در نحوه مصرف خود دارد می‌تواند به یک مصرف‌کننده بهتر تبدیل شود. به‌علاوه به مصرف‌کنندگان کمک می‌کند تا در فرایند خرید قادر باشند به راهبردهایی که شرکت‌ها برای فروش محصولات خود استفاده می‌کنند پی ببرند. برای بسیاری از مردم آگاهی از عوامل مؤثر در مصرف، ارزش درونی دارد.

مطالعه و بررسی رفتار مصرف‌کننده سه دسته از اطلاعات را برای ما فراهم می‌آورد: جهت‌گیری، واقعیات و نظریات. ابتدا مطالعه رفتار مصرف‌کننده به مدیران و سیاست‌گذاران عمومی کمک می‌کند تا تأثیر فعالیت‌هایشان را بر روی مصرف‌کنندگان در نظر بگیرند. همچنین برخی از واقعیات مانند علل انتخاب که مصرف‌کنندگان برای خرید محصول استفاده می‌نمایند و یا ارزش‌هایی که فرهنگ‌های خاص تأکید می‌کنند را فراهم می‌سازد. درنهایت مطالعه رفتار مصرف‌کننده به ما کمک می‌کند تا به ارائه نظریات بپردازیم (هوستون، ۱۹۸۶).

۳-۳- رفتار مصرف‌کننده در اینترنت

اینترنت در عصر حاضر به دلیل سادگی استفاده، گستردگی و سرعت بالا، به مهم‌ترین منبع اطلاعات برای بسیاری از کالاها و خدمات تبدیل‌شده است. خصوصیات منحصربه‌فرد اینترنت و برتری کامل آن نسبت به بازارهای دیگر باعث رو آوردن بسیاری از سازمان‌ها برای گسترش خدمات و کالاهای خود در بازارهای اینترنتی گشته است. ازاین‌رو محیط اینترنت به فضای رقابتی بسیار شدیدی برای سازمان‌ها تبدیل‌شده است. در مقابل همین فضا مزیت‌های بسیار بالایی نیز برای کاربران و خریداران ایجاد کرده است. مزایایی از جمله در دست داشتن اطلاعات کامل محصولات و خدمات، قابلیت مقایسه کالاها و خدمات متفاوت و سادگی تعویض محصول باعث شده کاربران بیشتری هرروزه به استفاده از اینترنت بپردازند (کانان و کوپال، ۲۰۰۱).

محیط اینترنت از هر دو جهت تأمین‌کننده و مصرف‌کننده مزیت بسیار بالایی ایجاد کرده است. ازاین‌رو در هرلحظه فضای رقابتی سازمان‌ها شدیدتر می‌شود. اینترنت با بهره گرفتن از خصوصیات منحصربه‌فرد و پیوند خود با بازارهای دنیای واقعی رقابت در این عرصه‌ها را تنگ‌تر نموده است (چونگ و همکاران، ۲۰۰۵).

رفتار مصرف‌کننده را در محیط واقعی به دلیل امکان برخورد و مشاهده فیزیکی به‌سادگی می‌توان دنبال نمود. اما در دنیای مجازی اینترنت این رفتارها کوتاه‌تر شده و شکل خود را تغییر داده‌اند. به‌طور مثال در دنیای واقعی یک مصرف‌کننده پس از ورود به یک بازار به دلیل تنوع پایین محصولات، قدرت انتخاب بالایی ندارد. به همین دلیل نمی‌تواند محصول یا خدمات خود را به‌سادگی جایگزین نماید یا از محصولات مشابه استفاده کند. اما در بازارهای مجازی کاربر این قدرت را دارد که به‌سادگی از میان تنوع بالای کالاها، موارد موردنظر خود را مقایسه کند، در صورت عدم رضایت کالا یا بازار خود را به‌سادگی تعویض نماید و درنهایت بدون معطلی و با امنیت کامل محصول یا خدمت موردنظر خود را خرید نماید (کانان و کوپال، ۲۰۰۱).. در این فرایند نوع رفتار کاربر بسیار تغییر کرده است. کاربر در این شرایط حق انتخاب بالایی دارد درنتیجه خیلی راحت‌تر محصول خود را تعویض می کند.

۳-۴- رفتار کاربر در شبکه‌های اجتماعی

شبکه‌های اجتماعی آنلاین را می‌توان به‌نوعی به یک وب‌سایت مبادله یا خرید تشبیه کرد. همان‌طور که گفته شد در فرایند خرید و بررسی رفتار کاربر و مصرف‌کننده، کالا یا خدماتی مبادله خواهد شد و این کالا یا خدمات می‌تواند از جنس اطلاعات، عواطف و احساسات باشد (کوفاریس، ۲۰۰۲).

چیزی که در اکثر شبکه‌های اجتماعی مورد مبادله قرار می‌گیرد شاید فیزیکی نباشد ولی به همان اندازه یا حتی بیشتر اهمیت دارد. از مطالعه رفتار کاربر در شبکه اجتماعی می‌توان استنتاج‌های بسیار زیادی داشت. همچنین درک رفتار کاربر می‌تواند به جذب کاربران بیشتر و استفاده از اطلاعات آن‌ها در شبکه‌های اجتماعی کمک کند. (براون و همکاران، ۲۰۰۷)

درک و تحلیل رفتار کاربر یک فرایند چندمرحله‌ای است که در آن پارامترهای مختلفی دست دارند. این پارامترها را می‌تواند به چند دسته عمده تقسیم نمود:

۳-۴-۱- پارامترهای مربوط به اجتماع

این پارامترها از طرف جامعه بر رفتار کاربر تأثیرگذارند و کاملاً به‌صورت جمعی می‌باشند. بدین معنی که کاربر در تغییر آن‌ها نقش جزئی داشته و تغییر در آن‌ها به‌صورت جهشی نیست. این پارامترها شامل فرهنگ، عامل‌های جمعیت‌شناسی، عامل‌های اقتصادی و غیره می‌باشند.

۳-۴-۲- پارامترهای مربوط به وب‌سایت

پارامترهای مربوط به وب‌سایت شامل پارامترهایی هستند که از طرف وب‌سایت یا شبکه اجتماعی آنلاین بر روی کاربر تأثیرگذارند. این پارامترها بهترین پارامترها در این تحلیل‌ها می‌باشند؛ زیرا توسط صاحبان شبکه‌های اجتماعی قائل تغییرند. پس مدیران سازمان‌ها و وب‌سایت‌ها می‌توانند با تغییر این پارامترها بر روی رفتاری که از کاربر سر می‌زند نقش داشته باشند. این پارامترها گستره‌ای از ظاهر وب‌سایت تا عملکرد و ساختار آن را در برمی‌گیرد.

۳-۴-۳- پارامترهای مربوط به کاربر

این پارامترها به‌صورت مستقیم بر روی رفتار کاربر تأثیرگذارند و حتی ممکن است جزئی از رفتار وی باشند. اغلب اوقات هدف از مطالعه رفتار کاربر دست‌یابی به نحوه تغییرات این پارامترها است. مطالعه و تغییر در این پارامترها بسیار برای تحلیل‌کنندگان رفتار کاربر مهم است. این پارامترها می‌توانند جنسیت، نیاز، اعتماد و غیره باشند.

۳-۵- مدل‌های رفتار خرید

همواره شرکتهای تحقیق کننده در رفتار مشتری، سعی بر آن دارند تا اطلاعاتی در مورد کالای خریداری شده، روش، تعداد، مکان و علت خرید بدست آورند. پی بردن به علتهای رفتار مشتری همیشه به سادگی قابل دستیابی نیست، زیرا اغلب پاسخهای مربوط به این سوالات در ذهن و فکر مصرف کننده وجود دارد.

مدل های متنوعی درباره رفتار خرید وجود دارد که در ادامه برخی از آنها شرح داده می‌شود:

۳-۵-۱- مدل رفتار خرید هاوکینز

هاوکینز و همکارانش عوامل موثر برخرید را به سه دسته ی درونی ، بیرونی و موقعیتی تقسیم کردند. عوامل بیرونی تاثیر عوامل فرهنگی و اجتماعی مانند تاثیرات خانواده و گروه های مرجع را بر رفتار مشتری شرح می دهد. عوامل درونی شامل ادراکات فردی از قرار گرفتن در معرض اطلاعات، انگیزه ای که در فرد شکل می‌گیرد و همچنین ماهیت یادگیری و به خاطر سپاری این اطلاعات می باشد.

عوامل تاثیرگذار موقعیتی عبارتند از تمامی عوامل خاص مربوط به یک زمان یا مکان که از دانش کلی فرد در مورد ویژگی های فردی و محرک‌ها تبعیت نمی‌کنند (هاوکینز و همکاران، ۱۹۸۳).

۳-۵-۲- مدل رفتار خرید هاوارد- شیث

در این مدل چگونگی تبدیل داده های