Diese Präsentation wurde erfolgreich gemeldet.
Wir verwenden Ihre LinkedIn Profilangaben und Informationen zu Ihren Aktivitäten, um Anzeigen zu personalisieren und Ihnen relevantere Inhalte anzuzeigen. Sie können Ihre Anzeigeneinstellungen jederzeit ändern.
การใช้ซอฟต์แวร์ Open Source (AlphaMiner) เพื่อ วิเคราะห์ตะกร้าสินค้า (Market 
Basket Analysis) และ วิเคราะห์ลักษณะลูกค้าเป...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 1 
กิจกรรม และการจัดทำรายงาน ประกอบด้วย 
1) การใช้งานซอฟต์แวร์ AlphaMiner เพ...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 2 
เมื่อทำการ Click ที่ View Case จะได้รูปโมเดลตามภาพที่ 2.2 ตามด้านล่างนี้ ...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 3 
เริ่มขั้นตอนการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) 
1.ขั้น...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 4 
เมื่อระบุเสร็จสิ้นแล้วในกด Apply และกด Close เพื่อปิดหน้าต่าง จากนั้นดำเน...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 5 
รูปที่ 2. 5 แสดงผลลัพธ์ Variables 
รูปที่ 2. 6 แสดงค่าผลลัพธ์ Data 
โดยกา...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 6 
รูปที่ 2. 7 แสดงการตั้งค่าที่โหนด Set Attributes 
โดยถ้า Attribute ใดที่ไ...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 7 
คลิกขวาที่โหนด Set Attributes และเลือก View Result ตามรูปที่ 2.8 
รูปที่ ...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 8 
จากนั้นมาดูที่แถบ Data ตามรูปที่ 2.9 
รูปที่ 2. 9 แสดงผลลัพธ์ Data
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 9 
3. ขั้นตอนที่ 3 ที่โหนดต้นไม้การตัดสินใจ Decision Tree เพื่อกำหนดคุณสมบัต...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 10 
กด Close เพื่อปิดหน้าต่าง ตามรูปที่ 2.11 
รูปที่ 2. 11 Tree Settings และ...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 11 
4.1.2 กลุ่ม Basic มีผู้ใช้งานที่อายุ น้อยกว่าหรือเท่ากับ 25 ซึ่งจะเป็นขน...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 12 
ตัวแปร ส่วนที่เป็นสีส้ม คือตัวแปรตามหรือ Target ที่เรากำหนดไว้ 
รูปที่ 2...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 13 
รูปที่ 2. 14 แสดงประเภทบริการเท่ากับ Deluxe
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 14 
4.3 ผลการวิเคราะห์จากมุมมองมุมมอง Rules 
ในมุมมอง Rules View ตามรูปที่ 2...
ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 15 
อ้างอิง 
VDO สาธิต บรรยายโดย อาจารย์วิทยา พรพัชรพงศ์ ดังนี้ 
1) สาธิตการ...
Nächste SlideShare
Wird geladen in …5
×

การใช้ซอฟต์แวร์ Open source (alpha miner) วิเคราะห์ลักษณะลูกค้าเป้าหมาย (customer profiling)

705 Aufrufe

Veröffentlicht am

การใช้ซอฟต์แวร์ Open source (alpha miner) วิเคราะห์ลักษณะลูกค้าเป้าหมาย (customer profiling)

Veröffentlicht in: Software
  • Als Erste(r) kommentieren

การใช้ซอฟต์แวร์ Open source (alpha miner) วิเคราะห์ลักษณะลูกค้าเป้าหมาย (customer profiling)

  1. 1. การใช้ซอฟต์แวร์ Open Source (AlphaMiner) เพื่อ วิเคราะห์ตะกร้าสินค้า (Market Basket Analysis) และ วิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) หัวเรื่อง 1) การใช้งานซอฟต์แวร์ AlphaMiner เพื่อวิเคราะห์ตะกร้าสินค้า (Market Basket Analysis) 2) การใช้งานซอฟต์แวร์ AlphaMiner เพื่อการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) แนวคิด 1) การวิเคราะห์ตะกร้าสินค้า คือการวิเคราะห์ข้อมูลการซื้อสินค้าของลูกค้า เพื่อระบุว่าตัวสินค้าหรือ บริการใดมีความสัมพันธ์ต่อกันในการซื้อสินค้าแต่ละครั้ง เพื่อสรุปเป็นกฎความสัมพันธ์ ของสินต่างๆ โดยทั่วไป กฎความสัมพันธ์ จะสรุปผลการวิเคราะห์ออกเป็น 3 ส่วนใหญ่ๆ คือ โอกาสของสินค้าหรือ บริการใดบ้างที่จะถูกซื้อในลาดับถัดไป โอกาสของสินค้าหรือบริการใดบ้างที่จะถูกซื้อไปพร้อมๆ กัน และระดับความน่าสนใจในกฎความสัมพันธ์ 2) ฐานข้อมูลที่จะนำมาใช้ในการวิเคราะห์ตะกร้าสินค้านั้น มั กจะเป็นข้อมูลธุรกรรมที่บันทึกรายการการ ซื้อสินค้าแต่ละครั้ง ที่สรุปมาในช่วงระยะเวลาหนึ่งๆ เช่น รายเดือน หรือ รายปี เป็นต้น โดยการ วิเคราะห์ตะกร้าสินค้าจะวิเคราะห์หาความสัมพันธ์ของสินค้าและความถี่ในการปรากฏของ ความสัมพันธ์นั้นๆ แล้วแสดงออกมาเป็นกฎความสัมพันธ์ พร้อมด้วยความน่าจะเป็นของเหตุการณ์ นั้นที่จะเกิดขึ้นในรูปของตัวเลข 3) AlphaMiner เป็นฟรีซอฟต์แวร์ที่ใช้ในการวิเคราะห์ขั้นตอนการทำเหมืองข้อมูล มีความหลากหลาย ของฟังก์ชั่นสำหรับผู้ใช้เพื่อดำเนินการขั้นตอนการทำเหมืองข้อมูล วัตถุประสงค์ รายงานฉบับนี้มีวัตถุประสงค์เพื่อ 1) สามารถใช้งานซอฟต์แวร์ AlphaMiner เพื่อวิเคราะห์ตะกร้าสินค้า (Market Basket Analysis) ได้ 2) สามารถใช้งานซอฟต์แวร์ AlphaMiner เพื่อการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling)
  2. 2. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 1 กิจกรรม และการจัดทำรายงาน ประกอบด้วย 1) การใช้งานซอฟต์แวร์ AlphaMiner เพื่อการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) โดยจับภาพหน้าจอของแต่ละขั้นตอนการทำงานมาแสดงในรายงาน พร้อมบรรยาย ประกอบ และนำเสนอผลการวิเคราะห์ ที่เป็นประเด็นสำคัญมาอย่างน้อย 3 ประเด็น จากมุมมอง Tree View, Graph View, และ/หรือ Rules View พร้อมแปลผลมาพอสังเขป 1.การใช้งานซอฟต์แวร์ AlphaMiner เพื่อการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) โดย จับภาพหน้าจอของแต่ละขั้นตอนการทำงานมาแสดงในรายงาน พร้อมบรรยายประกอบ และนำเสนอผลการ วิเคราะห์ ที่เป็นประเด็นสำคัญมาอย่างน้อย 3 ประเด็น จากมุมมอง Tree View, Graph View, และ/หรือ Rules View พร้อมแปลผลมาพอสังเขป (เนื่องจากรายละเอียดโปรแกรมบางส่วนได้อธิบายไปในข้อ 1 แล้ว ข้อนี้จึงไม่ขอกล่าวรายละเอียดปลีกย่อย มากนัก) การวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) ในกรณีนี้ จะใช้ Case Study ที่อยู่ใน Case list ที่ชื่อว่า Telecommunication, Case Name ชื่อ Customer profiling จากนั้นเลือกที่ Vuew Case ตามรูปที่ 2.1 รูปที่ 2. 1 การเลือก Case Study ชื่อ Telecommunication
  3. 3. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 2 เมื่อทำการ Click ที่ View Case จะได้รูปโมเดลตามภาพที่ 2.2 ตามด้านล่างนี้ รูปที่ 2. 2 แสดงหน้าโมเดล Customer profiling โดยในการวิเคราะห์ครั้งนี้เราจะทำเพียง 3 ขั้นตอนเท่านั้นก็จะได้คำตอบในการวิเคราะห์ลักษณะลูกค้า เป้าหมาย (Customer Profiling) 3 ขั้นตอนที่ว่าคือ ขั้นตอนที่ 1 เริ่มจากโหนด Input เพื่อเตรียมและนำเข้าข้อมูล ขั้นตอนที่ 2 ที่โหนด Set Attributes เพื่อเลือก Attribute ที่ต้องการให้ประมวลผล ขั้นตอนที่ 3 ที่โหนดต้นไม้การตัดสินใจ Decision Tree เพื่อกำหนดคุณสมบัติโครงสร้างต้นไม้ในการ ประมวลผล
  4. 4. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 3 เริ่มขั้นตอนการวิเคราะห์ลักษณะลูกค้าเป้าหมาย (Customer Profiling) 1.ขั้นตอนแรก ดำเนินการกำหนดข้อมูลเข้า โดยไปที่โหนด Input File แล้วคลิกขวาเลือก Open เพื่อระบุ ตำแหน่งไฟล์ข้อมูลที่เรานำมาวิเคราะห์ ตามรูปที่ 2.3 รูปที่ 2. 3 การเปิดโหนด Input File เพื่อระบุที่อยู่ไฟล์ที่เรานำมาวิเคราะห์ โดยหัวข้อต่างๆ หมายถึง - File Type ได้แก่ ชนิดของไฟล์ - File Name ได้แก่ ชื่อและตำแหน่งของไฟล์ที่เตรียมไว้ ในที่นี้ได้แก่ Excel File ชื่อ “customer_train_2005” - Excel Option: Worksheet ได้แก่ ระบุ Worksheet ที่ต้องการ
  5. 5. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 4 เมื่อระบุเสร็จสิ้นแล้วในกด Apply และกด Close เพื่อปิดหน้าต่าง จากนั้นดำเนินการขั้นตอนต่อไป โดยคลิกขวาที่โหนด Input File และเลือก Run เมื่อประมวลผลเสร็จสิ้นและสมบูรณ์ที่ปรากฎกรอบสีเขียว รอบโหนด (สีเหลืองจะหมายถึง กำลังดำเนินการ และถ้าเป็นสีแดง จะหมายถึงไฟล์ข้อมูลผิดพลาด หรือไม่ สามารถอ่านได้ ต้องไปแก้ไขใหม่) หลังจากนั้นเราสามารถเรียกดูผลการประมวลผลสามารถคลิกขวาที่ โหนด Input File และเลือก View Result จะสามารถเรียกดูค่าตัวแปร Variables และ ข้อมูล Data ดังรูปที่ 2.4 รูปที่ 2. 4 การ Run โหนด Input File และการดูผล View Result จะสามารถเรียกดูค่าตัวแปร Variables และ ข้อมูล Data ได้ดังรูปที่ 2.5 และ 2.6 ตามลำดับ
  6. 6. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 5 รูปที่ 2. 5 แสดงผลลัพธ์ Variables รูปที่ 2. 6 แสดงค่าผลลัพธ์ Data โดยการอธิบายผลลัพธ์ต่างๆ ก็คล้ายกับตัวอย่างในข้อที่ 1 เพียงแต่เป็นข้อมูลเกี่ยวกับลูกค้าผู้ใช้บริการโทรศัพท์ จึงขอเว้นไว้เพื่อความรวดเร็ว 2. ขั้นตอนที่ 2 ที่โหนด Set Attributes เพื่อเลือก Attribute ที่ต้องการให้ประมวลผล โดยไปที่โหนด Set Attribute ให้คลิกขวาแล้วเลือก Open ตามรูปที่ 2.7 โดย
  7. 7. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 6 รูปที่ 2. 7 แสดงการตั้งค่าที่โหนด Set Attributes โดยถ้า Attribute ใดที่ไม่ต้องการนำมาประมวลผล เราสามารถระบุเป็นค่า Not Use ได้โดยนำเมาส์ไปที่ คอลัมน์ Role จากนั้นคลิกขวา แล้วเลือก “Set to Not User” ในที่นี้จะไม่เลือก Attribute ‘id’ และ ‘idd’ จึงเลือกค่าเป็น Not Use กรณีต้องการให้ Attribute ใดเป็น Attribute เป้าหมาย โดยนำเมาส์ไปที่คอลัมน์ Role คลิกขวา แล้วเลือก Target ในตัวอย่างนี้กำหนด “Spending_group” เป็น Target เมื่อดำเนินการปรับปรุงหรือแก้ไขใด ๆ แล้ว เสร็จให้กด Apply และ Close เมื่อเสร็จสิ้น เหมือนตามข้อ 1 หลังจากนั้นที่โหนด Set Attributes ให้คลิกขวา เลือก Run เพื่อดำเนินการ ประมวลผล หากเสร็จสิ้นสมบูรณ์จะแสดงกรอบสีเขียวรอบโหนด สามารถตรวจสอบค่าที่ประมวลเสร็จ โดย
  8. 8. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 7 คลิกขวาที่โหนด Set Attributes และเลือก View Result ตามรูปที่ 2.8 รูปที่ 2. 8 แสดงผลลัพธ์ Variable กรณีระบุค่า Attribute ที่ไม่ต้องการเป็น Not Use ตามขั้นต้น เราไม่เอาค่า “id” และ “idd” ค่าตัว แปรในแทป Variables จึงไม่แสดงรายการในการ View Result
  9. 9. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 8 จากนั้นมาดูที่แถบ Data ตามรูปที่ 2.9 รูปที่ 2. 9 แสดงผลลัพธ์ Data
  10. 10. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 9 3. ขั้นตอนที่ 3 ที่โหนดต้นไม้การตัดสินใจ Decision Tree เพื่อกำหนดคุณสมบัติโครงสร้างต้นไม้ในการ ประมวลผล ซึ่งจะทำการจำแนกหรือแบ่งกลุ่มลูกค้า Customer Segmentation ที่โหนด Decision Treeโดย ให้ click ขวา และเลือก Open ตามรูปที่ 2.10 รูปที่ 2. 10 แสดงเปิดตั้งค่า Decision tree ในส่วนของ Tree Settings และ Model Selection เป็นการกำหนดรูปแบบของอัลกอริทึมที่จะใช้ และรูปแบบโครงสร้างต้นไม้การตัดสินใจที่ต้องการ ซึ่งในที่นี้จะใช้ค่าเริ่มต้น default โดยไม่ต้องแก้ไขจากนั้น
  11. 11. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 10 กด Close เพื่อปิดหน้าต่าง ตามรูปที่ 2.11 รูปที่ 2. 11 Tree Settings และ Model Selection หลังจากนั้นที่โหนด Decision Tree ให้คลิกขวา แล้วเลือก Run เมื่อเสร็จสมบูรณ์จะแสดงกรอบสี เขียวรอบโหนด จึงเสร็จสิ้นขั้นตอนการประมวลผลข้อมูล ขั้นตอนต่อไปจะเรียกแสดงผลลัพธ์การหาค่า ประมวลผลการวิเคราะห์ลูกค้าเป้าหมาย (Customer Profiling) โดยที่โหนด Decision Tree ให้คลิกขวา แล้ว เลือก View Result จะแสดงหน้าจอ Decision Tree Result 4. ผลการวิเคราะห์จากมุมมองมุมมองต่างๆ 4.1 ผลการวิเคราะห์จากมุมมองมุมมอง Tree View ในแทปแรกของ result จะเป็นรูปแบบแสดงผลมุมมองแบบ Tree View ตามรูปที่ 2.12 โดยสามารถ อธิบายค่าผลลัพธ์จากมุมมอง Tree View ที่ได้นั้น จะถูกแบ่งเป็นกลุ่มข้อมูลแยกตามประเภทบริการ service_plan ได้แก่ Basic, Deluxe, Regular ในที่นี้จะขอยกตัวอย่างข้อมูลในประเภทบริการ Basic โดย มีรายละเอียดดังนี้ 4.1.1 กลุ่มบริการ Basic มีจำนวนลูกค้าทั้งสิ้น 350 คน เป็นกลุ่มผู้ใช้ที่จ่ายค่าโทรสูง High จำนวน 88 คน คิดเป็น 25.143% เป็นกลุ่มผู้ใช้ที่จ่ายค่าโทรต่ำ Low จำนวน 140 คน คิดเป็น 40% เป็นกลุ่มจ่ายค่า โทรปานกลาง Medium 113 คน คิดเป็น 32.286% และเป็นกลุ่มผู้ใช้ที่จ่ายค่าโทร สูงพิเศษ Ultra High 9 คน คิดเป็น 2.571%
  12. 12. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 11 4.1.2 กลุ่ม Basic มีผู้ใช้งานที่อายุ น้อยกว่าหรือเท่ากับ 25 ซึ่งจะเป็นขนาดกลาง Medium และจะ แบ่งอายุมากกว่า 25 ซึ่งจะไปแยกย่อยอีกครั้งหนึ่งว่า น้อยกว่าหรือเท่ากับ 47 ปีเท่าไร และมากกว่า 47 ปี เท่าไร ซึ่งและยังมีรายละเอียดอื่นๆ ซึ่งสามารถดูได้ตามรูปที่ 2.12 รูปที่ 2. 12 แสดงผลมุมมองแบบ Tree View 4.2 ผลการวิเคราะห์จากมุมมองมุมมอง Graph View จากมุมมองมุมมอง Graph View จะแสดงข้อมูลเป็นลักษณะ โครงสร้างต้นไม้ซึ่งตอนแรกจะแสดงเป็น ภาพรวม จะทำให้ดูยาก ให้เราคลิ้กขวาที่พื้นที่ว่าง จากนั้นเลือก “Auto Scale” ตามรูปที่ 2.13 ตัวแปร ส่วนที่เป็นสีเขียว คือ ตัวแปรต่างๆ
  13. 13. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 12 ตัวแปร ส่วนที่เป็นสีส้ม คือตัวแปรตามหรือ Target ที่เรากำหนดไว้ รูปที่ 2. 13 มุมมอง Graph View เมื่อเราได้ขยายแล้ว ตอนนี้มาดูผลว่าค่าผลลัพธ์จากมุมมอง Graph View ที่ได้นั้นจะถูกแบ่งเป็นกลุ่มข้อมูลแยก ตามประเภทบริการ service_plan ได้แก่ - Basic - Deluxe - Regular จากรูปที่ 2.14 ยกตัวอย่างประเภทบริการเท่ากับ Deluxe จะยังตอบคำถามไม่ได้ โดยจะต้องทำการ ตรวจสอบอายุ “ age” ว่า 4.2.1 มีช่วงอายุ 59 หรือ = 59 4.2.2 กรณีเป็นลูกค้าอายุ 59 จะตรวจสอบย่อยอีกว่า 62 หรือ = 62 ถ้าน้อยกว่าเป็นจะได้ผลลัพธ์ว่า เป็นผู้ใช้ที่จ่ายค่าโทรอยู่ในกลุ่มปานกลาง Medium หากอายุมากว่า 62 จะเป็นกลุ่มผู้ใช้ที่จ่ายค่าโทรอยู่ใน กลุ่มที่จ่าย สูงพิเศษ Ultra High 4.2.3 กรณีอายุ = 59 จะตรวจสอบย่อยอีกว่า 40 หรือ = 40 ถ้าน้อยกว่าหรือเท่ากับ จะได้ผลลัพธ์ว่า เป็นผู้ใช้ที่จ่ายค่าโทรอยู่ในกลุ่มสูงพิเศษ Ultra High 4.2.4 แต่หากอายุมากกว่า 40 จะแบ่ย่อยตรวจสอบอีกว่า เป็นเพศหญิง F หรือเพศชาย M ถ้าหากเป็นเพศชาย จะเป็นกลุ่มผู้ใช้ในกลุ่มสูงพิเศษ Ultra High แต่ถ้าเป็นเพศหญิง จะเป็นกลุ่มผู้ใช้ในกลุ่มสูง High เป็นต้น
  14. 14. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 13 รูปที่ 2. 14 แสดงประเภทบริการเท่ากับ Deluxe
  15. 15. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 14 4.3 ผลการวิเคราะห์จากมุมมองมุมมอง Rules ในมุมมอง Rules View ตามรูปที่ 2.15 จะเป็นการพิจารณาค่าตามกฎที่ระบุออกมาเป็นตัวหนังสือ เลย เช่นใน Rule No. 1 มีกฎ service_plan=Basic And age =25 หมายถึง ใช้บริการประเภท Basic และมีอายุน้อยกว่าหรือเท่ากับ 25 Class Name จะแบ่งเป็นกลุ่มผู้ใช้งานที่โทรในระดับปานกลาง Medium มีค่าเปอร์เซ็นต์ความเชื่อมั่นโดยตรง Confidence (ความน่าจะเป็น) เท่ากับ 57.377% และมี Supporting Record คือจำนวนผู้ใช้งานที่พบในกฎข้อนี้ มีทั้งสิ้น 61 ราย ซึ่งในกรณีอื่นๆ เราก็ต้องใช้หลักเกณฑ์หลายๆ อย่างเพื่อใช้ในการวิเคราะห์ และนำข้อมูลนั้นๆไปใช้ เพื่อกำหนดกลยุทธ์สำหรับธุรกิจของเราต่อไป รูปที่ 2. 15 ผลการวิเคราะห์จากมุมมองมุมมอง Rules
  16. 16. ซอฟต์แวร์ Open Source เพือทำเหมืองข้อมูล หน้า 15 อ้างอิง VDO สาธิต บรรยายโดย อาจารย์วิทยา พรพัชรพงศ์ ดังนี้ 1) สาธิตการติดตั้งโปรแกรม Alpha Miner 2) ตัวอย่างการทำ Market Basket Analysis 3) ตัวอย่างการทำ Customer Profiling

×