การใช้ AI เพื่อวิเคราะห์ข้อมูลพฤติกรรมลูกค้า ในระบบโลจิสติกส์อีคอมเมิร์ซ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยฉบับนี้ มีวัตถุประสงค์เพื่อ 1) เพื่อศึกษารูปแบบพฤติกรรมของลูกค้าในระบบโลจิสติกส์อีคอมเมิร์ซ 2) เพื่อศึกษาการประยุกต์ใช้ AI ในการวิเคราะห์ข้อมูลพฤติกรรมของลูกค้า 3) เพื่อประเมินผลของการใช้ AI ที่มีต่อประสิทธิภาพของระบบโลจิสติกส์อีคอมเมิร์ซ โดยมุ่งเน้นศึกษาการประยุกต์ใช้ปัญญาประดิษฐ์ (AI) ในการวิเคราะห์ข้อมูลพฤติกรรมลูกค้า เพื่อเพิ่มประสิทธิภาพของระบบโลจิสติกส์ในธุรกิจอีคอมเมิร์ซ ซึ่งเป็นการวิจัยเชิงปริมาณ กลุ่มตัวอย่าง จำนวน 400 ชุด สถิติที่ใช้ในการวิเคราะห์ข้อมูล ได้แก่ ค่าร้อยละ ค่าส่วนเบี่ยงเบนมาตรฐาน โดยการวิเคราะห์ความสัมพันธ์ระหว่างการใช้ AI กับประสิทธิภาพการคาดการณ์ อุปสงค์ รวมถึงการวิเคราะห์ทางสถิติแบบ Correlation, Regression, และ ANOVA เพื่อทดสอบสมมติฐานการวิจัย
ผลการวิจัยพบว่า 1) AI ช่วยวิเคราะห์พฤติกรรมลูกค้าและคาดการณ์แนวโน้มพฤติกรรมได้แม่นยำ ช่วยปรับกลยุทธ์การตลาดและพัฒนาแผนการให้บริการได้ดีขึ้น แม้มีข้อจำกัดในด้านการประมวลผลข้อมูลขนาดใหญ่ แต่ได้รับการยอมรับในการปรับปรุงบริการและกลยุทธ์การตลาด 85% ของบริษัทที่ใช้ AI เพื่อพยากรณ์แนวโน้มพฤติกรรมลูกค้ารายงานว่ามีการปรับปรุงกลยุทธ์การตลาดอย่างเห็นได้ชัด 2) AI เพิ่มความเร็วและแม่นยำในการจัดส่งสินค้า โดยคำนวณเส้นทางที่ดีที่สุดและพยากรณ์ตำแหน่งสินค้า ช่วยปรับปรุงการบริหารทรัพยากรโลจิสติกส์ ลดต้นทุนและเพิ่มประสิทธิภาพการใช้ AI ในการคำนวณเส้นทางช่วยลดระยะเวลาในการขนส่งสินค้าลงได้ 20-30% และลดต้นทุนในการจัดส่งได้ 15-20% 3) ผลการทดสอบพบว่า AI ในการวิเคราะห์พฤติกรรมลูกค้าช่วยเพิ่มประสิทธิภาพของระบบโลจิสติกส์ โดยมีค่าสหสัมพันธ์ 0.711 แสดงถึงความสัมพันธ์ในระดับปานกลางถึงสูง ระหว่างการใช้ AI ในการวิเคราะห์พฤติกรรมลูกค้าและประสิทธิภาพของระบบโลจิสติกส์ ซึ่งสามารถช่วยเพิ่มความสามารถในการจัดการและวางแผนโลจิสติกส์ได้อย่างมีประสิทธิภาพ
Article Details
เอกสารอ้างอิง
สำนักงานพัฒนาธุรกรรมอิเล็กทรอนิกส์. (2023). Thailand E-Commerce Survey 2023.เรียกใช้เมื่อ 12 ธันวาคม 2567 จาก https://www.etda.or.th/th/%e0%b8% 9a%e0%b8%a3%e0%b8%81%e0%b8%b2
สำนักงานส่งเสริมเศรษฐกิจดิจิทัล (DEPA). (2566). รายงานการประยุกต์ใช้ AI ในธุรกิจโล จิสติกส์ของประเทศไทย. กรุงเทพฯ: DEPA.
Chen, H., Wang, Y., & Sun, X. (2021). AI-based logistics strategies for e-commerce: A case study of Amazon. Journal of Business Research, 134, 667–675.
Chen, H., Wang, Y., & Sun, X. (2021). AI-based logistics strategies for e-commerce: A case study of Amazon. Journal of Business Research, 134, 667–675.
Cheng, Y., Zhang, J., & Liu, L. (2019). Customer behavior prediction in e-commerce with machine learning: A review. International Journal of Computational Intelligence and Applications, 18(4), 1-17.
Christopher, M. (2016). Logistics & Supply Chain Management. Pearson UK.
Davenport, T. H., & Ronanki, R. (2018). Artificial Intelligence for the Real World. Harvard Business Review, 96(1), 108-116.
Deng, X., Liu, Y., & Fang, Y. (2022). Smart logistics in digital retailing: Predictive analytics and AI-driven delivery planning. Computers & Industrial Engineering, 165, 107939.
Gartner. (2022). How AI is Transforming E-commerce and Retail. Gartner Research.
Kambil, A., & van Heck, E. (2002). Making Markets: How Firms Can Design and Profit from Online Auctions and Exchanges. Harvard Business Press.
Liu, M., Zhang, Y., & Huang, R. (2022). The impact of AI in smart logistics: Evidence from Alibaba Cainiao Network. International Journal of Logistics Management, 33(3), 742–761.
Marr, B. (2018). How AI and Machine Learning Are Transforming The E-commerce Industry. Forbes.
McKinsey & Company. (2022). How COVID-19 has accelerated e-commerce and reshaped consumer behavior. on January 12, 2025from https://www.mckinsey.com/~/media/mckinsey/industries/retail/our%20insights/how%20covid%2019%20is%20changing%20consumer%20behavior%20now%20and%20forever/how-covid-19-is-changing-consumer-behaviornow-and-forever.pdf
Nguyen, B., Simkin, L., & Canh, N. (2020). The role of AI in customer behavior analytics and marketing automation. Journal of Marketing Analytics, 8(3), 95-107.
Parasuraman, A., Zeithaml, V. A., & Malhotra, A. (2005). E-S-QUAL: A Multiple-Item Scale for Assessing Electronic Service Quality. Journal of Service Research, 7(3), 213-233.
Waller, M. A., & Fawcett, S. E. (2013). Data Science, Predictive Analytics, and Big Data: A Revolution That Will Transform Supply Chain Design and Management. Journal of Business Logistics, 34(2), 77-84.
Wedel, M., & Kannan, P. K. (2016). Marketing Analytics for Data-Rich Environments. Journal of Marketing, 80(6), 97-121.
Zhang, Y., Liu, Z., & Hu, S. (2020). Challenges in implementing AI for logistics: A case study approach. Journal of Transport and Logistics, 26(2), 184-196.
Zhang, Y., Wang, X., & Li, Z. (2021). The role of AI in customer behavior analysis and logistics management in e-commerce platforms. Journal of Business Logistics, 42(4), 518–533.
