KMITL Innovation Expo 2025 Logo

การจำแนกและวิเคราะห์พฤติกรรมลูกค้าร้านคาเฟ่

รายละเอียด

โลกธุรกิจในปัจจุบันมีการแข่งขันสูง การทำความเข้าใจลูกค้าเป็นสิ่งที่สำคัญที่สามารถทำให้องค์กรกำหนดความสำเร็จได้ การตลาดที่มีประสิทธิภาพไม่ใช่เพียงแค่การเสนอสินค้า โปรโมชั่น หรือบริการที่ดีเท่านั้น แต่ยังต้องมีกลยุทธ์ในการเข้าถึงและสร้างความสัมพันธ์ที่ดีกับกลุ่มลูกค้า การจัดกลุ่มลูกค้าเป็นหนึ่งในวิธีการที่จะช่วยให้ธุรกิจสามารถเจาะลึกความต้องการและพฤติกรรมของกลุ่มลูกค้าที่เข้ามาใช้บริการได้อย่างชัดเจน จากการปฎิบัติสหกิจศึกษาในครั้งนี้ ผู้ปฏิบัติได้รับมอบหมายให้ปฏิบัติงานใน ทีมธุรกิจอัจฉริยะ (Business Intelligence - BI) กลุ่มธุรกิจอาหารและเครื่องดื่ม ได้ทำหน้าที่วิเคราะห์ข้อมูลของกลุ่มลูกค้าของร้านกาแฟพันธุ์ไทยเกี่ยวกับลักษณะของลูกค้าที่เข้ามาใช้บริการในร้านกาแฟพันธุ์ไทย การปฏิบัติงานสหกิจครั้งนี้ มีวัตถุประสงค์ในการที่จะเข้าใจพฤติกรรมของลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชาในร้านกาแฟพันธุ์ไทย โดยการวิเคราะห์ข้อมูลของลูกค้าที่มีการจัดเก็บไว้ ซึ่งผลจากการดำเนินได้มีการจัดกลุ่มลูกค้าที่เข้ามาซื้อเครื่องดื่มประเภทกาแฟและชา โดยการใช้ Naive Bayes, Random Forest, Deep Learning เปรียบเทียบเทคนิคที่มีความแม่นยำและเหมาะสม เพื่อนำข้อมูลที่วิเคราะห์ได้ไปใช้ประโยชน์ต่อไป

วัตถุประสงค์

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

นวัตกรรมอื่น ๆ

SignGen: โปรแกรมสร้างวิดีโอภาษามือไทยโดยใช้โมเดลภาษาขนาดใหญ่

คณะวิศวกรรมศาสตร์

SignGen: โปรแกรมสร้างวิดีโอภาษามือไทยโดยใช้โมเดลภาษาขนาดใหญ่

ระบบสร้างภาษามือไทยเชิงกำเนิดมีเป้าหมายในการพัฒนาแพลตฟอร์ม การสร้างแบบจำลอง 3 มิติและแอนิเมชัน ที่สามารถแปลง ประโยคภาษาไทยเป็นท่าทางภาษามือไทย (TSL) ที่ถูกต้องและเป็นธรรมชาติ โครงการนี้ช่วยเสริมสร้างการสื่อสารสำหรับ ชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย โดยใช้แนวทางที่อิงกับ แลนมาร์ก (Landmark-Based Approach) ผ่านการใช้ Vector Quantized Variational Autoencoder (VQVAE) และ Large Language Model (LLM) ในการสร้างภาษามือ ระบบเริ่มต้นด้วยการ ฝึกโมเดล VQVAE โดยใช้ข้อมูลแลนมาร์กที่สกัดจากวิดีโอภาษามือ เพื่อให้โมเดลเรียนรู้ การแทนค่าแบบแฝง (Latent Representations) ของท่าทางภาษามือไทย หลังจากนั้น โมเดลที่ฝึกแล้วจะถูกใช้เพื่อ สร้างลำดับแลนมาร์กของท่าทางเพิ่มเติม ซึ่งช่วยขยายชุดข้อมูลฝึกโดยอ้างอิงจาก BigSign ThaiPBS Dataset เมื่อชุดข้อมูลได้รับการขยายแล้ว ระบบจะทำการ ฝึก LLM เพื่อสร้างลำดับแลนมาร์กที่ถูกต้องจากข้อความภาษาไทย โดยลำดับแลนมาร์กที่ได้จะถูกนำไปใช้ สร้างแอนิเมชันของโมเดล 3 มิติใน Blender เพื่อให้ได้ท่าทางภาษามือที่ลื่นไหลและเป็นธรรมชาติ โครงการนี้ถูกพัฒนาด้วย Python โดยใช้ MediaPipe สำหรับการสกัดแลนมาร์ก OpenCV สำหรับการประมวลผลภาพแบบเรียลไทม์ และ Blender’s Python API สำหรับสร้างแอนิเมชัน 3 มิติ ด้วยการผสานเทคโนโลยี AI, การเข้ารหัสผ่าน VQVAE และการสร้างแลนมาร์กด้วย LLM ระบบนี้มุ่งหวังที่จะ เชื่อมช่องว่างระหว่างข้อความภาษาไทยและภาษามือไทย เพื่อมอบแพลตฟอร์มการแปลภาษามือแบบโต้ตอบ ในเวลาจริง ให้กับชุมชนผู้บกพร่องทางการได้ยินในประเทศไทย

การพัฒนาเว็บไซต์เพื่อเก็บรวบรวมข้อมูล Young Smart Farmer จังหวัดจันทบุรี

คณะเทคโนโลยีการเกษตร

การพัฒนาเว็บไซต์เพื่อเก็บรวบรวมข้อมูล Young Smart Farmer จังหวัดจันทบุรี

การวิจัยครั้งนี้มีวัตถุประสงค์พัฒนาเว็บไซต์เก็บรวบรวมข้อมูลของ Young Smart Farmer จังหวัดจันทบุรี ใช้แบบสัมภาษณ์เก็บจากกลุ่มตัวอย่าง จำนวน 30 ราย เพื่อการพัฒนาเว็บไซต์ โดยนำข้อมูลที่ได้มาจัดหมวดหมู่และใช้ข้อมูลดังกล่างในการพัฒนาเว็บไซต์เพื่อเผยแพร่แก่เกษตรกรและบุคคลที่สนใจ จากนั้นดำเนินการศึกษาความพึงพอใจต่อเว็บไซต์ โดยใช้แบบสอบถามวิเคราะห์ข้อมูลด้วยสถิติเชิงพรรณนา ได้แก่ ค่าความถี่ (Frequency) ค่าร้อยละ (Percentage) ค่าเฉลี่ย (Mean) และส่วนเบี่ยงเบนมาตรฐาน (Standard deviation) ผลการศึกษาพบว่า กลุ่มตัวอย่างเป็นเพศชายและเพศหญิงเท่ากัน มีอายุอยู่ระหว่าง 36-40 ปีมากที่สุด ร้อยละ 50.00 เป็น Young Smart Farmer อำเภอขลุง แหลมสิงห์ และแก่งหางแมวมากที่สุด ร้อยละ 13.33 สำเร็จการศึกษา ระดับปริญญาตรีหรือเทียบเท่า ร้อยละ 60.00 ประกอบอาชีพหลักเป็นเกษตรกร ร้อยละ 73.33 ผลการศึกษาความพึงพอใจต่อเว็บไซต์เพื่อเก็บรวบรวมข้อมูล Young Smart Farmer พบว่ากลุ่มตัวอย่างพึงพอใจอยู่ในระดับมากที่สุดทุกด้าน โดยเรียงลำดับได้ดังนี้ 1) ด้านการใช้งานเว็บไซต์ (ค่าเฉลี่ย 4.97) 2) ด้านความพึงพอใจโดยภาพรวม (ค่าเฉลี่ย 4.93) 3) ด้านคุณภาพของเนื้อหา (ค่าเฉลี่ย 4.91) 4) ด้านประโยชน์และการนำไปใช้ (ค่าเฉลี่ย 4.87) และ 5) ด้านการออกแบบและการจัดรูปแบบมากที่สุด (ค่าเฉลี่ย 4.85) ตามลำดับ

การจัดการแบตเตอรี่ แบบ IoT

คณะวิศวกรรมศาสตร์

การจัดการแบตเตอรี่ แบบ IoT

การออกแบบและพัฒนาระบบบริหารจัดการแบตเตอรี่ระยะไกล งานวิจัยนี้มุ่งเน้นการออกแบบและพัฒนาระบบบริหารจัดการแบตเตอรี่ที่สามารถมอนิเตอร์และควบคุมจากระยะไกล พร้อมทั้งรองรับการกำหนดคุณสมบัติของเซลล์แบตเตอรี่ได้ตามต้องการ ระบบนี้ได้รับการออกแบบมาเป็นพิเศษสำหรับใช้งานร่วมกับเซลล์แบตเตอรี่กราฟีน และสามารถนำไปประยุกต์ใช้ในระบบพลังงานทางเลือกสำหรับที่อยู่อาศัยได้อย่างมีประสิทธิภาพ