کاوش الگوهای پویایی مشتریان در سطوح مختلف ارزشی با استفاده از کاوش الگوهای دنباله ای و تحلیل کلان داده

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 18

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-9-4_003

تاریخ نمایه سازی: 17 فروردین 1404

چکیده مقاله:

مشتریان در مرکز هر کسب وکاری قرار دارند. در حقیقت آن ها قلب تپنده ی هر کسب وکاری هستند که جریان های درآمدی از طریق آن ها وارد کسب وکار شده و باعث جذب مشتریان جدید می شوند. به دلیل عوامل مختلفی، رفتار مشتریان غالبا پیچیده و نامشخص بوده و با گذشت زمان تغییر می کند. بنابراین درچنین شرایطی لازم است ماهیت پویای مشتری در جهت تحلیل رفتار مشتری و استراتژی های مناسب در نظر گرفته شود. دانش و پیش بینی های بدست آمده با استفاده از مدل های ایستا فقط در یک دوره ی خاص زمانی معتبر هستند و نمی توانند ماهیت پیچیده و نامشخص رفتار مشتری را توصیف کنند.هدف این پژوهش کشف الگوهای غالب پویایی مشتریان در سطوح مختلف ارزشی با استفاده از کاوش الگوهای دنباله ای و تحلیل کلان داده است. این پژوهش با استفاده از داده های در طول زمان مشتریان بانک انجام شده است. در این پژوهش به مدل سازی پویایی مشتری با استفاده از کاوش الگوهای دنباله ای پرداخته شده است. این روش به دلیل استفاده از کاوش الگوهای دنباله ای می تواند در جهت برنامه ریزی و بهبود فرآیند های مدیریت ارتباط با مشتری به کسب وکارها کمک کند.

کلیدواژه ها:

پویایی مشتری ، تحلیل کلان داده ، کاوش الگوهای دنباله ای ، تصمیم گیری داده محور

نویسندگان

امیررضا نجفی

کارشناسی ارشد، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

الهام آخوندزاده نوقابی

استادیار، گروه مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم ها، دانشگاه تربیت مدرس، تهران، ایران

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 :
  • Bose, I. and Chen, X., ۲۰۱۴. Detecting temporal changes in ...
  • Böttcher, M., Spott, M., Nauck, D. and Kruse, R., ۲۰۰۹. ...
  • Su, C., Chen, Y., and Sha, D.Y., ۲۰۰۶. Linking innovative ...
  • Ngai, E., Xiu, L. and Chau, D.C., ۲۰۰۹. Application of ...
  • Salehi, M., Salari, M., ۲۰۱۷. Comparing data mining and fuzzy ...
  • Prowost, F. and Fawcett, T., ۲۰۱۳. Data Science for Business. ...
  • Akhondzadeh-Noughabi, E. and Albadvi, A., ۲۰۱۵. Mining the dominate patterns ...
  • Mach-Król, M. and Hadasik, B., ۲۰۲۱. On a Certain Research ...
  • Mosaddegh, A., Albadvi, A., Sepehri, M. and Teimourpour, B., ۲۰۲۱. ...
  • Song, M., Zhao, X., E, H. and Ou, Z., ۲۰۱۷. ...
  • Seret, A., Vanden Broucke, S.K., Baesens, B. and Vanthienen, J., ...
  • Yu, L., Zhang, Z. and Shen j., ۲۰۱۷. Dynamic customer ...
  • Parvatiyar, A. and Sheth, J.N., ۲۰۰۱. Customer relationship management: Emerging ...
  • Kincaid, J.W., ۲۰۰۳. Customer relationship management: getting it right. Prentice ...
  • Swift, R.S., ۲۰۰۱. Accelerating customer relationships: Using CRM and relationship ...
  • Bashardoust, O., Asgharizadeh, E., Afshar Kazemi, M. A., ۲۰۲۲. Customers ...
  • Vakil, S., teymoor nejad, K., motadel, M., moammadi, M., ۲۰۲۲. ...
  • Gür Ali, Ö. and Aritürk, U., ۲۰۱۴. Dynamic churn prediction ...
  • Crespo, F. and Weber, R., ۲۰۰۵. A methodology for dynamic ...
  • Abbasimehr, H. and Sheikh Baghery, F., ۲۰۲۲. A novel time ...
  • Sivaguru, M., ۲۰۲۲. Dynamic customer segmentation: a case study using ...
  • Norouzi, A., Teymourpour, B., Chubdar, S., Sepehri, M., ۲۰۲۱. Developing ...
  • Alizadeh, M., Sadrian Zadeh, D., Moshiri, B. and Montazeri, A., ...
  • Safinejad, F., Akhond Zadeh Noughabi, E. and H. Far, B., ...
  • Abdullah, F. and Jalil, Z., ۲۰۲۲. A Novel FCM and ...
  • Viviani, J., Komura, A. and Suzuki, K., ۲۰۲۱. Integrating dynamic ...
  • Schröer, C., Kruse, F. and Gómez, J.M., ۲۰۲۱. A Systematic ...
  • نمایش کامل مراجع