In a highly competitive business, understanding customers is crucial for an organization to determine its success. Effective marketing is not just about offering good products, promotions, or services; it also requires strategies to reach and build strong relationships with customer groups. Segmenting customers is one method that helps businesses deeply understand the needs and behaviors of the customers who use their services In this internship, the objective is to understand the behavior of customers purchasing coffee and tea at a large cafe group by analyzing stored customer data. As a result of this process, customer groups purchasing coffee and tea were segmented using Naive Bayes, Random Forest, and Deep Learning techniques to compare the accuracy and suitability of different Machine Learning methods, and the insights gained from this analysis can be for further development in analyzing other data set in the future
กาแฟและชา เป็นเครื่องดื่มที่ได้รับความนิยมอย่างมาก ทั้งชาและกาแฟมีประโยชน์ต่อสุขภาพ ใช้ดื่มเพื่อผ่อนคลาย ชาเป็นเครื่องดื่มที่ทำให้ผ่อนคลายจากการทำกิจกรรมมาทั้งวัน ในขณะเดียวกัน กาแฟเป็นตัวช่วยเพิ่มพลังงาน และพลังสมองก่อนที่จะทำกิจวัตรใดๆ อีกทั้งยังเป็นตัวเชื่อมความสัมพันธ์ระหว่างมนุษย์ ดังนั้น การมองหาร้านกาแฟที่มีเครื่องดื่มที่เข้มข้น สินค้าที่หลากหลาย ยังต้องมีพื้นที่สังสรรค์ พบประผู้คน ซึ่งในนั้นก็คือ ร้านกาแฟพันธุ์ไทย ซึ่งเป็นแบรนด์กาแฟ ที่มีทั้งเครื่องดื่ม ขนมปัง เบเกอรี่ และอาหารหลากหลาย ทำให้มีกลุ่มลูกค้าที่เข้ามาใช้บริการเป็นจำนวนมาก และลักษณะการซื้อเครื่องดื่มและสินค้าที่แตกต่างกัน จากเหตุผลดังกล่าว ทำให้ทีมธุรกิจอัจฉริยะ (Business Intelligence - BI) กลุ่มธุรกิจอาหารและเครื่องดื่ม มีความสนใจที่จะจัดกลุ่มลูกค้าของร้านกาแฟพันธุ์ไทย ข้าพเจ้าจึงมีแนวคิดที่จะจำแนกและวิเคราะห์พฤติกรรมลูกค้า แบ่งออกเป็น 3 กลุ่ม ได้แก่ ลูกค้าที่ซื้อเครื่องดื่มประเภทกาแฟเป็นประจำ ลูกค้าที่ซื้อเครื่องดื่มประเภทชา และลูกค้าที่ซื้อเครื่องดื่มทั้งชาและกาแฟ โดยการใช้ Naive Bayes, Random Forest, Deep Learning เปรียบเทียบเทคนิค ที่มีความแม่นยำและเหมาะสม เพื่อนำข้อมูลที่วิเคราะห์ได้ไปใช้ประโยชน์ต่อไป
คณะวิทยาศาสตร์
Atopic dermatitis patients are the second largest number among skin disease patients. There is no cure for atopic dermatitis, and it can only be treated to relieve symptoms, causing chronic disease. There is a chance that opportunistic infections will enter and cause more disease from the patient's wound, causing the patient to have complications from other infections. This study is interested in studying the reduction of the chance of opportunistic infections in patients with atopic dermatitis using natural extracts. The interest is in Plu Kaow and long pepper because there is data supporting the inhibition of microorganisms. The leaves of both plants are crudely extracted, soaked in 95% ethanol for 7 days, filtered with a Buchner filter, and the extracts are tested for phytochemicals to analyze phenolic components, flavonoids, tannins, anthocyanin, DPPH, and tested for antimicrobial properties. The experiments consisted of 5 types of gram-positive and gram-negative bacteria: E. coli, Bacillus subtilis, Pseudomonas aeruginosa, Staphylococcus aureus, and Staphylococcus epidermidis. The researcher expects that this can be further developed and used to treat patients with atopic dermatitis.
คณะวิศวกรรมศาสตร์
The Diabetes Meal Management Application is a digital health tool designed to empower Type 2 diabetic patients in managing their diet and blood sugar levels more effectively. With features like personalized meal recommendations, nutrient tracking, and seamless integration with wearable blood glucose monitors via Blood sugar measuring device (CGM), the application enables users to monitor glucose fluctuations in real time and adjust dietary choices accordingly. Built with the Flutter framework and supported by a backend of Express.js and MongoDB, the application prioritizes a user-friendly interface, ensuring easy navigation and encouraging consistent engagement with meal planning and health tracking. Preliminary user trials show that the application contributes to more stable blood sugar levels and improved adherence to dietary recommendations, helping users reduce health risks associated with diabetes complications. By offering a proactive approach to diabetes management, the application reduces the need for frequent clinical interventions, thus potentially lowering medical costs over time. This project highlights the promising role of digital health solutions in supporting personalized diabetes care, emphasizing the potential for scalable, user-centered interventions that foster long-term health improvements for diabetic patients.
วิทยาเขตชุมพรเขตรอุดมศักดิ์
-