ورود
مقالات فارسیISIکنفرانسهاژورنالها

مطالعه و طبقه بندی روش های تحلیل و پیش بینی رویگردانی مشتری

محل انتشار: دوازدهمین کنفرانس بین المللی مهندسی صنایع
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 765

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/515898

شناسه ملی سند علمی:

IIEC12_013

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

با وجود اهمیت روش های تحلیل و پیش بینی رویگردانی مشتری که موضوعی مهم در زمینه مدیریت ارتباط با مشتری می باشد، عدم بررسی ادبیات این حوزه بصورت جامع احساس می شود. در این نوشته، مقالات و تکنیکهای مورد استفاده شان در حوزه رویگردانی مشتری از سال های ۲۰۰۸ تا ۲۰۱۵ بررسی می گردند و یک طبقه بندی بر اساس مدل ها و تکنیکهای استفاده شده در مقالات ارائه می شود. در این بازه زمانی نزدیک به ۳۰۰ مقاله شناسایی شدند که تعداد ۴۸ عدد از آنها انتخاب، بررسی و طبقه بندی شده اند. طبقه بندی این ۴۸ مقاله بر اساس تکنیک های مورد استفاده، محیط/پایگاه داده استفاده شده و سال انتشارشان می باشد. بررسی انجام گرفته نشان میدهد که روش های درخت تصمیم، لجستیک رگرسیون و شبکه های عصبی پراستفاده ترین تکنیک های مورد استفاده مقالات در این زمینه هستند. این مطالعه می تواند نقشه راهی برای هدایت تحقیقات آینده باشد و موجب تسهیل جمع آوری و ایجاد دانش در مورد استفاده از تکنیک های مناسب در حوزه تحلیل و پیش بینی رویگردانی مشتری گردد.

کلیدواژه ها:

نویسندگان

علی بقائی

گروه فناوری اطلاعات، دانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

منیره حسینی

گروه فناوری اطلاعات، دانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

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 :
  • جمال شهرابی، 1386. داده‌کاوی جلد اول. تهران: جهاد دانشگاهی واحد ...
  • Ballings, M., and Van den Poel, D., 2012. Customer event ...
  • Berry, M. J. A., and Linoff, G. S., 2004. Data ...
  • Berson, A., Smith, S., and Thearling, K., 2000. Building data ...
  • Bose, I., and Chen, X., 2009. Hybrid models using unsupervised ...
  • Breiman, L., 2001. Random forests. Machine Learning, 45(1), 5-32. ...
  • Buckinx, W., and Van den Poel, D., 2005. Customer base ...
  • Burez, J., and Van den Poel, D., 2007. CRM at ...
  • Burez, J., and Van den Poel, D., 2008. Separating financial ...
  • Burez, J., and Van den Poel, D., 2009. Handling class ...
  • Carrier, C. G., and Povel, O., 2003. Characterizing data mining ...
  • Chandar, M., Laha, A., and Krishna, P., 2006. Modeling churn ...
  • Chen, K. Hu, Y. H., and Hsieh, Y. _ 2014. ...
  • Chen, Z. Y., Fan, Z. P., and Sun, M., 2012. ...
  • Coussement, K., and De Bock, K. W., 2013. Customer churn ...
  • Coussement, K., and Van den P., 2008. Chur prediction in ...
  • Coussement, K., and Van den Poel, D., 2008. Integrating the ...
  • Coussement, K., and Van den Poel, D., 2009. Improving customer ...
  • Coussement, K., Benoit, D. F., and Van den Poel, D., ...
  • Daintith, j, "decision tree. A Dictionary of Computing. 2004. Encyclopedia. ...
  • Dayhoff, J.. E., 1990. Neural Network Principles. Prentice-Hal International, U.S.A. ...
  • De Bock, K. W., and Van den Poel, D., 201 ...
  • De Bock, K. W., and Van den Poel, D., 2012. ...
  • Dudoit, S., Fridlyand, J., and Speed, T. P., 2002. Comparison ...
  • Fader, P. S., Hardie, B. G. S., and Lee, K. ...
  • Fader, P.S., and Hardie, B. G. S., 2009. Probability models ...
  • Gan, C., Cohen, D., Clemes, M., and Chong, E., 2006. ...
  • Glady, N., Baesens, B., and Croux, C., 2009. Modeling churn ...
  • Ginther, C.C., Tvete, I.F., Aas, K., Sandnes, G.I., and Borgan, ...
  • Hadden J., Tiwari A., Roy R., and Ruta D., 2005. ...
  • Han, J., and Kamber, M., 2001. Data Mining: Concepts and ...
  • Hengliang, W., and Weiwei, Z., 2012. A Customer Churn Analysis ...
  • Huang, B. Q., Kechadi, T. M., Buckley, B., Kiernan, G., ...
  • Huang, B., Buckley, B., and Kechadi, T. M., 2010. Multi-objective ...
  • Huang, B., Kechadi, M. T., and Buckley, B., 2012. Customer ...
  • Huang, Y., Huang, B., and Kechadi M T., 2011. A ...
  • Hung, S. Y., Yen, D., and Wang, H. Y., 2006. ...
  • Jahromi, A. T., Stakhovych, S., and Ewing, M., 2014. Managing ...
  • Jahromi, A.T., Sepehri, M.M., Teimourpour, B., and Choobdar, S., 2010. ...
  • King, S. F., and Burgess, T. F., 2008. Understanding Success ...
  • Kim H.S., Yoon C.H., 2004. Determinants of subscriber churn and ...
  • Kim, J. K., Song, H. S., Kim, T. S., and ...
  • Kirui, C., Hong, L, Cheruiyot, W., and Kirui, H., 2013. ...
  • Kisioglu, P., and Topcu, Y.I., 2011. Applying Bayesian Belief Network ...
  • Kraljevic, G., & Gotovac, S., 2010. Modeling data mining applications ...
  • Kutner, M. H., Nachtsheim, C. J., and Neter, J., 2004. ...
  • Lai, Y., and Zeng, J., 2014. Analysis of customer churn ...
  • Lessmann, S., and VoB, S., 2009. A reference model for ...
  • Lin, C-S. , Tzeng, G-H., and Chin, Y-C. 2011. Combined ...
  • Ling, R., and Yen, D. C., 2001. Customer relationship management: ...
  • Liu, D. S., and Ju, C. H., 2009. Customer Churn ...
  • Lu, N., Lin, H., Lu, J., and Zhang, G., 2014. ...
  • Marshall, G., 2009. Logistic regression. A Dictionary of Sociology. 1998. ...
  • Migueis, V.L., Van den Poel, D., Camanho, A. S., and ...
  • Migueis, V.L. Van den Poel, D., Camanho, A. S., and ...
  • Nabavi, S., and Jafari, S., 2013. Providing a Customer Churn ...
  • Neslin, S. A., Gupta, S., Kamakura, W., Junxiang, L., and ...
  • Ngai, E.W.T., 2005. Customer relationship management research (1992-2002): An academic ...
  • Ngai, E.W.T, Xiu, L., Chau, D.C.K., 2009. Application of data ...
  • Nie, G., Rowe, W., Zhang, L., Tian, Y., and Shi, ...
  • Orriols-Puig, A., Martinez -Lopez, F. J., Casillas, J., and Lee, ...
  • Owczarczuk, M., 2010. Churn models for prepaid customers in the ...
  • Pendharkar, P. C., 2009. Genetic algorithm based neural network approaches ...
  • Qi, J., Zhang, L., Liu, Y., Li, L., Zhou, Y., ...
  • Reinartz, W.J., 2000. On the profitability of long life customers ...
  • Risselada, H., Verhoef, P. C., and Bijmolt, T. H. A., ...
  • Ryals, L, 2002. Are your customers worth more than money?. ...
  • Sharma, A., and Panigrahi, P. K., 2011. A Neural Network ...
  • Shaw, M.J., Subramaniam, C., Gek, W.T., and Welge, M.E., 2001. ...
  • Teo, T. S. H., Devadoss, P., and Pan, S. L., ...
  • Tsai, C. F., and Chen, M. Y., 2010. Variable selection ...
  • Tsai, C.F., and Lu, . H., 2009. Customer chur prediction ...
  • Tuv, E., 2006. Ensemble learning. Feature Extraction: Foundations and Applications, ...
  • Vafeiadis, T., Diamantaras, K. I., Sarigiannidis, G., and Chatzisavvas, K. ...
  • Van den Poel, D., and Larivie're, B., 2004. Customer attrition ...
  • Vapnik, V., and Chervonenkis, A., 1991. The necessary and sufficient ...
  • Verbeke, W., Dejaeger, K., Martens, D., Hur, J., and Baesens, ...
  • Verbeke, W. Martens, D., and Baesens, B., 2014. Social network ...
  • Verbeke, W., Martens, D., Mues, C., and Baesens, B., 2011. ...
  • Verbraken, T., Verbeke, W., and Baesens, B., 2014. Profit optimizing ...
  • Wang, W.F., Chiang, D. A., Hsu, M. H., Lin, C. ...
  • Wiersema, F., 2013. The B2B Agenda: The current state of ...
  • Xia, G. E., and Jin, W. D., 2008. Model of ...
  • Xie, Y., Li, X., Ngai, E. W. T., and Ying, ...
  • Yu, X., Guo, S., Guo, J., and Huang, X., 2011. ...
  • Zhang, X., Zhu, J., X, S., and Wan, Y., 2012. ...
    • نمایش کامل مراجع