Simultaneous Use of Clustering, Classification, and Association Rules for Customer Churn Analysis in Retail Stores
سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 14
فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JRMDE-5-3_007
تاریخ نمایه سازی: 5 آبان 1405
کلیدواژه ها:
Customer Churn Prediction ، Retail Data Mining ، RFM Model Enhancement (RFFML) ، Stacking Ensemble Method ، Clustering–Classification–Association Rules
نویسندگان
Mohammad Ghasemi Zadeh
Department of Information Technology Management, KI.C., Islamic Azad University, Kish,Iran
Seyed Abdollah Amin Mousavi
Department of Management, Ct.C., Islamic Azad University , Tehran, Iran
Mohammad Maleki Nia
Department of Information Technology Management, ST.C., Islamic Azad University, Tehran, Iran
Mohammad Ghasemi Zadeh
Department of Information Technology Management, KI.C., Islamic Azad University, Kish,Iran
Seyed Abdollah Amin Mousavi *
Department of Management, Ct.C., Islamic Azad University , Tehran, Iran
Mohammad Maleki Nia
Department of Information Technology Management, ST.C., Islamic Azad University, Tehran, Iran
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 :