اولویت بندی الگوریتمهای یادگیری ماشین با استفاده از رویکرد ترکیبی AHP- QFD ، به منظور تحلیل داده های مشتری

تحلیل تمامی اطلاعات و داده های دریافتی از مشتریان، به منظور حفظ روابط بلندمدت با مشتریان، به یکی از مزیتهای رقابتی برای سازمانها تبدیل شده است. از همین رو استفاده از تکنیکهای تحلیل داده بعنوان یکی از رویکردهای نوین در مدیریت ارتباط با مشتریان (CRM)، موضوعی است که مورد توجه بسیاری از متخصصان قرار گرفته است. از آنجا که یکی از الگوریتم های معروف در حوزه تحلیل داده های مشتریان، الگوریتمهای یادگیری ماشین است. هدف از این تحقیق، انتخاب یک الگوریتم بهینه ی یادگیری ماشین SVM)، جنگل تصادفی و (Knn، با استفاده از روش ترکیبی AHP-QFD به منظور بهینه سازی فرایندهای CRM شرکت مهندسین مشاور موننکو ایران میباشد. در این تحقیق برای اولین بار، از روشهای تصمیم گیری چندمعیاره به منظور انتخاب یک الگوریتم دادهمحور، استفاده شدهاست. نتایج پیاده سازی رویکرد AHP-QFD با در نظر گرفتن پارامترهای مختلف، نشان داد که الگوریتم SVM نسبت به دو روش جنگل تصادفی و Knn از اولویت بالاتری برخوردار است.

کلیدواژه ها:

تحلیل داده ، یادگیری ماشین ، رضایت مشتری ، تصمیمگیری چندمعیاره.