ترکیب تئوری مجموعه زبر و کلونی مورچگان برای پیش بینی ریزش مشتری

  • سال انتشار: 1391
  • محل انتشار: دومین کنفرانس ملی مهندسی نرم افزار دانشگاه آزاد لاهیجان
  • کد COI اختصاصی: LNCSE02_049
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1517
دانلود فایل این مقاله

نویسندگان

راضیه قیاسی

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه قم، قم، ایران

ملیحه باقری دهنوی

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشگاه قم، قم، ایران

چکیده

با اشباع بازار و تشدید رقابت در صنعت ارتباطات، ریزش مشتری به موضوع مهمی برای تامینکنندگان ارتباطات تبدیل شده است. برای مدیریت موثر ریزش مشتری، با توجه به هزینهی بالای جذب مشتریان جدید، سازمانها بهسمت استراتژیهای حفظ مشتری تمایل دارند تا برنامههای جذب مشتریان جدید. یکی از مهمترین ابزارهای حفظ مشتری، بکارگیری مدلهای پیشبینی ریزش مشتری است. اکثر مطالعات پیشین به بررسی مقایسهای مدلهایپیشبینی ریزش مشتری میپردازند. در این مقاله مدلی ایجاد شده است که با شناسایی مهمترین ویژگیهای تاثیرگذار بر ریزش به کشف روابط و قوانین موجود بین آنها میپردازد. در این مقاله ابتدا با استفاده از تئوری مجموعه زبر مهمترین ویژگیهای تاثیرگذار بر ریزش شناسایی شده است. سپس از الگوریتم Ant Miner+ جهت استخراج قوانین مربوط به ریزش بهره گرفته شده است. نتایج تجربی نشان میدهد که مدل پیشنهادی از نظر معیارهای ارزیابی، عملکرد قابل قبولی را ارائه میدهد

کلیدواژه ها

پیشبینی ریزش مشتری، انتخاب ویژگی، تئوری مجموعه زبر،استنتاج قوانین جامع، بهینهسازی کلونی مورچگان

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.