Оцінювання рейтингу товару за його штрих-кодом
Анотація
Однією з основних проблем сучасного споживчого ринку є труднощі покупців у визначенні придатного варіанту їхнього вибору серед великої кількості аналогічних товарів. Інформаційна надмірність може призвести до втрати часу та нерішучості, що ускладнює процес прийняття рішення. Розширення можливостей сучасних мобільних пристроїв та доступність швидкої мережі Інтернет дадуть можливість використовувати інформаційні технології для спрощення процедури вибору товарів. Застосунки для мобільних пристроїв, зокрема ті, які дадуть можливість сканувати штрих-коди, миттєво сприятимуть отриманню докладної інформації про товар. Враховуючи зазначені вище тенденції та проблеми, виникає потреба у розробленні ефективного інструменту, який дасть можливість покупцям отримати доступ до об'єктивної інформації про ті чи інші товари та їх оцінювання іншими споживачами шляхом сканування штрих-коду товару. Розроблено методику аналізу та оцінювання рейтингу товарів за допомогою штрих-кодів. Запропоновано підхід, що поєднує показник середньозваженого значення і тенденцію до середнього значення, для підвищення точності оцінювання товару. Це дає змогу врахувати важливість різних факторів, таких як ціна товару, його якість, виробник, екологічність, популярність та кількість оцінок, а також мінімізувати вплив аномальних даних. Згідно з результатами дослідження, застосування запропонованого підходу дає змогу досягти більшої об'єктивності та надійності під час формування власної думки про рейтинг тих чи інших товарів. Було отримано зниження варіативності оцінок на 15 %, що свідчить про розроблення більш стабільної та надійної системи оцінювання товарів. Порівнявши прогнозовані рейтинги товарів із фактичними показниками їхніх продажів, з'ясовано, що комбінований підхід досяг коефіцієнта кореляції 0,85, перевершуючи тільки середнє зважене і необроблені середні оцінки. Опитування 500 користувачів показало, що 82 % вважають скориговані рейтинги товарів більш достовірними та такими, що краще відображають їхню якість, порівняно з традиційними системами оцінювання. За результатами дослідження було розроблено мобільний застосунок для визначення рейтингу товару за його штрих-кодом, який можна використати у сфері електронної комерції, забезпечуючи автоматизацію процесів прийняття рішень і підвищуючи довіру споживачів до рейтингових систем.
Завантаження
Посилання
Bhamre, N. R., & Patil, N. N. (2016). Aspect rating analysis based product ranking. International Conference on Global Trends in Signal Processing, Information Computing and Communication (ICGTSPICC), Jalgaon, India, 2016, pp. 197–202. https://doi.org/10.1109/ICGTSPICC.2016.7955297
Hwang, S., Lee, J., & Kang, S. (2022). Enabling Product Recognition and Tracking Based on Text Detection for Mobile Augmented Reality. IEEE Access, 10, article ID 9882114. https://doi.org/10.1109/ACCESS.2022.3205344
Iqbal, M. J. (2022). Product scanner mobile application. Technical Report, COMSATS University Islamabad. https://doi.org/10.13140/RG.2.2.15609.95849
Jing, L. (2020). Design of bar code automatic identification system based on mobile terminal. In: 2020 International Conference on Communications, Information System and Computer Engineering (CISCE), 395–397. https://doi.org/10.1109/CISCE50729.2020.00088
Nehal, N., Choudhary, B., Nagpure, A., & Gupta, R. K. (2021). DNA barcoding: A modern age tool for detection of adulteration in food. Critical Reviews in Biotechnology, 41(5), 767–791. https://doi.org/10.1080/07388551.2021.1874279
Ou, S., Ismail, Z. H., & Sariff, N. (2024). Hybrid Genetic Algorithms for Order Assignment and Batching in Picking System: A Systematic Literature Review. IEEE Access, 12, article ID 3357689. https://doi.org/10.1109/ACCESS.2024.3357689
Pchelenkov, I. S. (2021). Methods, algorithms, and information technology for recognition of EAN-13 barcodes resistant to distortions [Masters thesis, National Mining University]. Institutional Repository of National Mining University. [In Ukrainian]. URL: https://ir.nmu.org.ua/bitstream/handle/123456789/161699/121M-20-1_Magisterska_robota_Pchelenkov.pdf?sequence=1
Puri, R., & Jain, V. (2019). Barcode detection using OpenCV-Python. International Research Journal of Advanced Engineering and Science, 4(1), 97–99. URL: https://irjaes.com/wp-content/uploads/2020/10/IRJAES-V4N1P110Y19.pdf
Rahman, S. A., & Sufyan Beg, M. M. (2018). ProRat: Product Rating Prediction Model based on Online Product Reviews. International Conference on Communication, Computing and Internet of Things (IC3IoT), Chennai, India, 2018, pp. 489–494. https://doi.org/10.1109/IC3IoT.2018.8668198
Sangkharat, T., & La-or, J. (2021). Application of Smart Phone for Industrial Barcode Scanner. 7th International Conference on Engineering, Applied Sciences and Technology (ICEAST), Pattaya, Thailand, 2021, pp. 9–12. https://doi.org/10.1109/ICEAST52143.2021.9426288
Stief, P., Ullmann, I., Körner, G., Root, K., & Vossiek, M. (2022). Chipless RFID Polarimetric Radar Barcodes Encoded by Dipole Scattering Domain. IEEE Journal on Multi-sensor Systems, 7(4), article ID 3178544. https://doi.org/10.1109/JMW.2022.3178544
Wudhikarn, R., Charoenkwan, P., & Malang, K. (2022). Deep Learning in Barcode Recognition: A Systematic Literature Review. IEEE Access, 10, article ID 3143033. https://doi.org/10.1109/ACCESS.2022.3143033
Yukhta, O., & Roiko, O. (2022). Algorithmic support for camera-based barcode reading. Computer-integrated Technologies: Education, Science, Production, 48, 124–128. https://doi.org/10.36910/6775-2524-0560-2022-48-19
