خوشه بندی مشتریان فروشگاه های اینترنتی به منظور سنجش رضایت مشتریان
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,232
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICMBA01_161
تاریخ نمایه سازی: 16 اسفند 1394
چکیده مقاله:
امروزه استفاده از فناوری های مدرن در زندگی روزمره جهت رفع نیازها امری اجتناب ناپذیر است. دنبال کردن اخبار و انجام کارها از طریق اینترنت باعث شده است تا سازمان ها روی شبکه ی اینترنت بستری فراهم کنند تا اطلاعاتشان در دسترس مردم باشد. با توسعه ی تجارت الکترونیک، فروشگاه های اینترنتی به طور فزاینده نقش مهمی را در زندگی افراد بازی می کنند. با استفاده از تکنیک داده کاوی، مدیران این سایت ها می توانند ترجیحات و الگوهای خرید مشتریان آنلاین را برای توصیه های سفارشی محصولات، تجزیه وتحلیل کنند. ابزار داده کاوی کمک می کند تا خدمات، متناسب با نیاز کاربران ارائه شوند. براین اساس هدف از این تحقیق شناسایی و دسته بندی مشتریان فروشگاه های اینترنتی براساس معیارهای جنسیت، طبقه بندی محصولات، تازگی مبادله ( R )، تعداد تکرار مبادله ( F ) و ارزش پولی مبادله ( M ) است. بدین منظور داده های مربوط به وب سایت نیازکو که یک وب سایت تجارت الکترونیک با تنوعی از محصولات می باشد در بازه زمانی 7ماهه مورد بررسی قرار گرفت. به منظور تحلیل داده ها و خوشه بندی مشتریان از نرم افزار IBM SPSS Modeler 14.2 استفاده شد. ابتدا به منظور تحلیل رفتار مشتریان از الگوریتم RFM که شاخص های آن تازگی مبادله ( R )، تعداد تکرار مبادله ( F ) و ارزش پولی مبادله ( M ) است، استفاده شد. سپس به منظور استخراج خوشه ها، خروجی الگوریتم RFM به عنوان ورودی برای الگوریتم k-means مورد استفاده قرار گرفت. بر اساس شاخص اعتبار سنجی سیلوئت تعداد خوشه های مناسب 4 عدد شناسایی شد. در نهایت با رتبه بندی نمودن خوشه های شناسایی شده، استراتژی مناسب برای هر خوشه ارائه گردید.
کلیدواژه ها:
نویسندگان
علی رضائیان
استاد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی
سجاد شکوهیار
استادیار، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی
فریبا دهقان
دانشجوی کارشناسی ارشد، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی
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 :