@article { author = {Faezi-Rad, Mohammad Ali and Pooya, Alireza}, title = {Clustering of Online Stores from Supplier's point of view: Using Clusters Number Optimization in Two-Level SOM}, journal = {Industrial Management Studies}, volume = {14}, number = {43}, pages = {109-134}, year = {2016}, publisher = {Allameh Tabataba'i University}, issn = {2251-8029}, eissn = {2476-602X}, doi = {10.22054/jims.2017.7032}, abstract = {By developing information technology and emerging online markets,Planning for these markets and analyzing their details has been became a priority for beneficiary organizations. One of most important online markets in Iran is SIM card credit services that are considered as online stores. Regarding to numerous and increasing number of online malls, grouping and classification of online malls from supplier's point of view in order to forecasting cooperation is essential. In this paper, around three thousand online stores has been studied and analyzed by using one of famous supplier data and it has been clustered according to supplier's indexes. Clustering process has been done by using SOM Neural Network in two levels by K-means algorithm since it facilitates analyzing of clusters. Although various validation indicators has been developed to determine the best number of clusters but in this paper, an optimizing model of compensatory approach to indexes is presented by using combination multi criteria decision making and aggregation of various indexes}, keywords = {}, title_fa = {خوشه بندی فروشگاه های آنلاین از نگاه تأمین کننده با کمک بهینه یابی تعداد خوشه ها در الگوریتم دو مرحله ای SOM}, abstract_fa = {با گسترش فناوری اطلاعات و ظهور بازارهای مجازی، برنامه ریزی و تحلیل این بازارها و اجزای آنها به اولویتسازمان های ذی نفع تبدیل شده است. یکی از مهم ترین بازارهای مجازی کنونی در کشور، بازار فروش آنلاینخدمات شارژ اپراتورهای مختلف تلفن همراه در قالب فروشگاه های اینترنتی است. با توجه به تعداد انبوه و درحال رشد این فروشگاه ها، دسته بندی آنها از دید تأمین کننده به منظور ارائه امتیازات و آینده نگری در همکاریضروری است. در این پژوهش، با استفاده از داده های یکی از مهم ترین تأمین کنندگان این محصولات، قریب بهسه هزار فروشگاه مجازی مورد تحلیل قرار گرفته و بر اساس شاخص های مورد نظر تأمین کننده خوشه بندیشده است. فرآیند خوشه بندی با استفاده از شبکه عصبی مصنوعی SOM و در قالب روش دو مرحله ای آن باالگوریتم k-means انجام شده است که تحلیل خوشه های حاصل از شبکه عصبی را تسهیل می کند. اگرچه بهمنظور تعیین بهترین تعداد خوشه ها، شاخص های اعتبارسنجی مختلفی گسترش پیدا کرده است اما در اینپژوهش با ترکیب روش تصمیم گیری چندشاخصه در مدل و تجمیع شاخص های مختلف، به ارائه یک مدلبهینه یابی با رویکرد جبرانی نسبت به شاخص ها پرداخته شده است.}, keywords_fa = {تحلیل خوشه ای,تصمیم گیری چندشاخصه,شبکه عصبی مصنوعی,فروشگاه آنلاین,نگاشت خود سازمان ده SOM}, url = {https://jims.atu.ac.ir/article_7032.html}, eprint = {https://jims.atu.ac.ir/article_7032_04f10cf89ec197a336fb67f8529c779d.pdf} }