1دانشجوی ارشد، رشته فناوری اطلاعات، دانشگاه صنعتی، ارومیه، ایران
2گروه مهندسی فناوری اطلاعات، دانشکده فناوری های صنعتی، دانشگاه صنعتی ارومیه، ارومیه، ایران
3گروه مهندسی برق، دانشگاه صنعتی ارومیه، ارومیه، ایران
چکیده
توسعه دسترسی به اینترنت در کنار پاندمی کرونا باعث گردید کسبوکارهای اینترنتی بیشازپیش موردتوجه کاربران قرار گیرند. موضوعی که موجبات ورود تعداد زیادی از کسبوکارها به فضای کسب و کار اینترنتی را فراهم آورد. یکی از خلأهای موجود ارائه مدلهای مناسب کسبوکار و درآمدی برای علاقهمندان ورود به این حوزه است. در راستای حصول به مدل پیشنهادی، پانصد سایت برتر داخلی و ششصد سایت برتر خارجی و همچنین پانصد برنامه کاربردی برتر داخلی که بیشترین تعداد دانلود را داشتهاند بهعنوان جامعه مورد مطالعه، تحت بررسی قرار گرفتند. پس از جمع آوری داده ها و ویژگی های مرتبط با هر کدام از سایت ها و برنامه های کاربردی، مجموعه داده وسیع پژوهش ایجاد گردید و با استفاده از روشهای دادهکاوی، خوشهبندی و با بهره گیری از ابزار دادهکاوی متلب ، تحلیل شدند. در ادامه، چالشها و مدلهای درآمدی کسبوکارهای برتر حوزههای مختلف خوشهبندی و بررسی گردید و بهتفصیل چالشهای حوزه کشاورزی بررسی و مدلهای درآمدی پیشنهادی برای آن حوزه ارائه گردید. بهنحویکه هر کسبوکار میتواند با شناسایی چالشی که به دنبال رفع آن است و همچنین حوزه کارکردی، مدل درآمدی مناسب خود را شناسایی کند. در این پروژه تحقیقاتی ده چالش مهم حوزه کشاورزی برای خوشه بندی کسب و کارها استفاده شده است این چالش ها می تواند مبتنی بر اقتضائات محیطی توسط سیاستگزار بروزرسانی گردیده و با الگو گرفتن از کسب و کارهای موفق جهانی، مدل خوشه بندی و مدل های درآمدی و کسب و کاری را بروزرسانی و پیشنهاد دهد.
عنوان مقاله [English]
"An Empirical Study on Revenue Model Selection for E-commerce Businesses in the Agricultural Sector: A Recommender System Approach"
1Master student, Information Technology, Urmia University of Technology, Iran
2Department of Information Technology,Urmia University of Technology, Urmia, Iran
3Department of Electrical Engineering, Urmia University of Technology, Iran
چکیده [English]
Introduction: This study aims to propose suitable business and revenue models for businesses venturing into electronic commerce within the agricultural sector. The research methodology involves an in-depth examination and classification of top global businesses in various sectors, with a focus on identifying the challenges and revenue models they employ.
Materials and Methods: The study utilizes qualitative evaluation indices to assess the business models of top Iranian and foreign websites and applications. Data mining methods, clustering techniques, and MATLAB data mining tools are employed to classify businesses and compare them with global counterparts. The research identifies and categorizes the challenges and revenue models of top businesses across various sectors, with a specific focus on the agricultural domain.
Results and Discussion: The study yields valuable insights, presenting ten significant challenges within the agricultural sector, which are used for clustering businesses and proposing revenue models tailored to this specific industry. Additionally, the research introduces a model for businesses to identify suitable revenue models by recognizing the challenges they aim to address and their functional domain. The proposed model serves as a comprehensive guide for businesses seeking to establish a presence in electronic commerce within the agricultural sector.
Conclusion: In conclusion, this study highlights the potential for policymakers to update the identified challenges based on evolving environmental requirements. Moreover, by drawing insights from successful global businesses, the study suggests the possibility of updating clustering and revenue models to align with current industry trends and best practices.
Keywords: Electronic Commerce, Application, Agricultural Sector, Business Models, Revenue Models, Data Mining, Clustering, Qualitative Evaluation.