طراحی یک سیستم تشخیص مشتری بهینه جهت کاهش هزینه های بازاریابی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,909

فایل این مقاله در 9 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:

CRMTEHRAN01_014

تاریخ نمایه سازی: 25 بهمن 1388

چکیده مقاله:

[نسخه اصلی متن مقاله دارای ایراد می باشد و حروف ی به هم ریخته هستند. اعتبار این مقاله 0 است]در دنیا رقابتی امروزی ،جذب مشتری یکی از با اهمیت ترین حوزه های مدیریت ارتباط با مشتری بوده است و پر واضح است که یکی از مهمترین ابعاد آن پیش بینی رفتار خرید مشتری است. زیرا ،پیش بینی خوب می تواند به توسعه استراتژی های بازاریابی دقیقتر و صرف کاراتر منابع کمک نماید. ایجاد یک سیستم تشخیص مشتری به دلیل وجود تعداد زیادی ویژگی در دسترس طراح کاری بسیار مشکل است. بعلاوه ، نیاز شدیدی به ایجاد چنین سیستم وجود دارد که همزمان پیچیدگی کم و قابلیت پیش بینی خوبی را داشته باشد. از این رو مقصود این مقاله ،توصعه یک سیستم تشخیص مشتری بهینه است که از نظر محاسباتی کارا و اثربخش است. بدین منظور از منحنی مشخصه عملیاتی دریافت کننده و یک شبکه عصبی پیشخوراند بهبود یافته جهت افزایش سرعت و کاهش پیچیدگی را شامل می شود. از آنجاییکه ،شناسایی مشتریان یکی از دغدغه های صنعت بیمه است، از داده های یک شرکت بیمه استفاده شده است. نتایج نشان داد که سیستم مذکور با انتخاب تنها 8.2% از ویژگی ها به میزان قابل توجهی هزینه محاسبات را کاهش می دهد. بعلاوه ، نتایج نشان داد که شبکه عصبی پیشخوراند بهبود یافته نسبت به شبکه عصبی پیشخوراند پیش بینی های دقیق تری را ارائه می کند.

کلیدواژه ها:

انتخاب ویژگی ، پیش بینی ، سیستم تشخیص مشتری ، شبکه عصبی ، مدیریت ارتباط با مشتری ، منحنی مشخصه عملیاتی دریافت کننده.

نویسندگان

علیرضا سروش

دانشجوی دکتری پخش مهندسی صنایع ،دانشکده فنی و مهندسی، دانشگاه تربیت

اردشیر بحرینی نژاد

استادیار بخش مهندسی صنایع ، دانشکده فنی و مهندسی ، دانشگاه تربیت مدرس

ریحانه قاسم اصفهانی

کارشناس ارشد مهندسی کامپیوتر _ نرم افزار ، دانشگاه علم و صنعت

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 :
  • Ahn, H., Kim, K., and Han, I., (2007), _ case-based ...
  • Anderson E.T. (2002), "Sharing the wealth: when should firms treat ...
  • Breiman, L., , Friedman, R. Olshen, and C. Stone, (1984), ...
  • Bishop, C.M., (1995), "Neural Networks for Pattern Recognition", Oxford: Oxford ...
  • BIum, A.L, and Rivest, R.L., (1992), "Training _ 3-Node Neural ...
  • Buckinx, W., Verstraeten, G., and Poel, D. V., (2007), "Predicting ...
  • Demuth, H., M. Beale, and M. Hagan, (2009), "Neural Network ...
  • Hagan, M., H. Demuth, and M. Beale, (1996), "Neural Network ...
  • Kim, Y.S., (2006), _ successful CRM: variable selection, sampling, and ...
  • Kim, Y.S., and Street, W. N., (2004), :An intelligent system ...
  • Kohavi, R., and John, G.H., (1997), _ Wrappers for feature ...
  • Ng, K.S., and Liu, H., (2000), "Customer retention via data ...
  • Theodoridis, S., and Koutroumbas, K., (2006), Pattern Recognition, Academic Pres, ...
  • Tseng, T.L., and Huang, C.C., (2007), "Rough set-based approach to ...
  • Wan, E.E., (1990), "Neural Network Classificatio. A Bayesian Isterpretation", IEEE ...
  • Webb, A. R., (2002), "Statistical Pattern Recognition ", John Wiley ...
  • Wu, X., Kumar, V. Quinlan, J.R., Ghosh, J., Yang, Q., ...
  • Yan, L., and Changrui, Y.. (2007), _ nev hybrid algorithm ...
  • Yan, L., Wolniewicz R. and Dodier R., (2004), "Predicting customer ...
  • Yu, E., and Cho, S., (2006), "Constructing response model using ...