جذب مشتریان سودآور با استفاده از هوش تجاری اجتماعی مطالعه موردی روی بانک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 734

فایل این مقاله در 20 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:

ICBOCH01_163

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

امروزه مشتریان نقش کلیدی و بسیار مهمی در عرصه اقتصادی دنیا ایفا می کنند، به همین علت سازمان ها، با چالش گسترش سهم بازار خود و پیدا کردن راه های جدید برای جذب ، حمایت و حفظمشتریان سودآور جهت دوام و ثبات سازمان در عرصه رقابت و سودآوری بیش تر درآمد مواجه می باشند. در مطالعه حاضر جهت موفقیت در امربانکداری و سرمایه گذاری مالی ،با استفاده از ابزارهایهوش تجاری، به ارائه راه حل با استفاده از روش ماشین بردار پشتیبان) SVM (، جهت شناسایی مشتریان سودآور بانک برای مدیریت بهینه منابع کمیاب و کسب حداکثر ارزش افزوده از به کارگیریآن ها پرداخته شده است، و سپس با استفاده از مقایسه ی اطلاعات رسانه های اجتماعی این گروه از مشتریان با اطلاعات دوستان اجتماعی و یافتن افرادی مشابه مشتریان سود آور و فرستادن تبلیغ صرفاجهت آن ها در هزینه های بازاریابی صرفه جویی کرده و می توان بالاترین سود را با سرمایه گذاری روی آن ها به دست آورد

کلیدواژه ها:

هوش تجاری ، هوش تجاری اجتماعی ، مدیریت ارتباط با مشتری ، مدیریت ارتباط با مشتری اجتماعی ، داده کاوی

نویسندگان

مهرداد زیادی

دانشجوی کارشناسی ارشد تجارت الکترونیک، دانشگاه آزاد اسلامی واحد قزوین

سیده سویلا سجودی

دانشجوی دکتری معماری سیستم های کامپیوتری، دانشگاه آزاد اسلامی واحد قزوین

علی رشنو

کارشناس فناوری اطلاعات ، دانشگاه پیام نور واحد خرم آباد

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 :
  • Azadeh, A., Saberi, M., & Jiryaei, Z. (2012). An intelligent ...
  • Chen, H., Chiang, R. H., & Storey, V. C. (2012). ...
  • Fethi, M. D., & Pasiouras, F. (2010). Assessing bank efficiency ...
  • Sunikka, A., & Bragge, J. (2012). Applying text-mining to personalization ...
  • Kim, J., E. Suh & H. Hwang (2003); "A Model ...
  • Lindgreen, A., R. Palmer, J. Vanhamme and J. Wouters (2011); ...
  • Sergio Moro, Paulo Cortez, Paulo Rita, (2015), " Business intelligence ...
  • Corneliu, O., & Bouguila, N. (2014). Social BI. Trends and ...
  • GayatriSwa mynathan, Christo Wilson, Bryce Boe, Kevin Almeroth, and Ben ...
  • Linton Freeman, (2006), The Development of Social Networking Analysis, Vancouver, ...
  • Kunz, Ben, (20 08), The Trouble with Twitter, Business wees ...
  • R. Baeza-Yates. "Web mining in search engines". Proceedings of the ...
  • K. Bharat, B. Chang, M. Henzinger, M. Ruhl. "Who links ...
  • s. Chakrabart, "Data mining for hypertext: A tutorial survey". SIGKDD ...
  • V. Crescenzi, P. Merialdo, P. Missier. "Clustering Web pages based ...
  • F. Facca, P. Lanzi. "Mining interesting knowledge from weblogs: a ...
  • E. Glover, K. Tsioutsiouliklis, S. Lawrence, D. Pennock, G. Flake. ...
  • نمایش کامل مراجع