تعیین تکنیک های مناسب داده کاوی جهت شناسایی مشتریان ترجیحی در یک سیستم مدیریت ارتباط با مشتری

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,225

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_100

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

امروزه از ابزارهای داده کاوی برای مدیریت ارتباط با مشتری در صنایع مختلف از جمله بانکداری، بیمه, خرده فروشی، امور بورس، ارتباطات از راه دور، پایگاه داده، بازاریابی، پیش بینی فروش و پیش بینی تقاضا برای خدمات رفاهی از جمله انرژی و آب، شبیه سازی مواد شیمیایی و غیره استفاده می شود. داده کاوی به سازمان ها کمک می کند تا درک بهتری نسبت به کسب و کار خود پیدا کنند تا بتوانند خدمات بهتری به مشتریان خود بدهند و باعث افزایش اثر بخشی سازمانها در دراز مدت می شود. یکی از مهمترین مسائل مربوط به این حوزه شناخت صحیح مشتریان دائمی وموثر نسبت به مشتریان عادی است. از اینرو امور پیش بینی این مشتریان از لحاظ الگوی رفتاری و ویژگی ها از اهمیت بسزایی برخوردار است. در اینجا سعی شده تا با بررسی تکنیک های متفاوت طبقه بندی, نسبت به شناخت الگوریتم های مناسب در این حوزه قدم برداریم. نکته حائز اهمیت در این حوزه تعیین ویژگی های اساسی و موثر در مدل سازی است که با استفاده از روش بالا به پایین این ویژگی ها مشخص می گردد و پس از آن می توانیم به نتایج تفکیک مشتریان با صحت بالا برسیم.

کلیدواژه ها:

تفکیک مشتریان ، داده کاوی ، سیستم ارتباط با مشتری ، طبقه بندی ، مدلسازی

نویسندگان

امین قاضی زاهدی

کارشناس ارشد هوش مصنوعی و مدرس دانشگاه صنعتی امیرکبیر

کریم بیابانی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات و دانشگاه تعالی قم

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Dr. Sreenivasan Jayashree, Somayeh Shojaee, Solmaz Pahlavanzadel , 2 _ ...
  • Keyvan Vahidy Rodpysh , Amir Aghai and Meysam Majdi. _ ...
  • Hadden , Tiwari , R.Roy , D. Ruta, 2005, Computer ...
  • Hwang, Jung , , 2004, Suh, An LTV model and ...
  • _ G. Babu and T Bhuvaneswar, 2012, A Data Mining ...
  • _ Berry .Gordon S.linoff , 2004, EBook Data Mining Technique ...
  • Chris Rygielski , Jyun-Cheng Wang , David C. Yen _ ...
  • uirong Zhang Yun Chen, 2009 , An Analysis of the ...
  • Huaping Gong Qiong Xia, 2009, Study _ Application of Customer ...
  • Wu Dong Sheng, 2011, Application Study on Banks's CRM Based ...
  • Young Sung Cho Keun Ho Ryu, 2008, Implementati On of ...
  • Lim Chia Yean and Khoo, V.K.T. 2010, Customer relationship management: ...
  • Shaw M. J., Subramaniam C., Tan G. W. and Welge ...
  • Song H.S., Kim J.K. and Kim S.H 2001, Mining the ...
  • Jill Dyche, 2002, The CRM Handbook: A Business Guide to ...
  • A. Berson, K. Thearling and S. Smith, 2000 , Building ...
  • Alex Sheshunoff, 1999, Winning CRM Strategies, AB A Banking Journal ...
  • Alireza Fazlzadeh, Mostafa Moshiri Tabrizi and Kaze Mahboobi, 2011, Customer ...
  • Gaurav Gupta and Himanshu Aggarwal _ 2012, Improving Customer elationship ...
  • V. THANUJA, B VENKATES W ARLU and G. S. G. ...
  • Mohammad Behrouzian Nejad, Ebrahim Behrouzian Nejad and Ali Karami.2012 Using ...
  • Sami Hanninen , 2010. Applying data mining techniques to ERP ...
  • نمایش کامل مراجع