ارائه یک مدل جدید تلفیقی و بهینه شده ی توصیه گر محصول در تجارت الکترونیکی
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,831
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IECWTC01_009
تاریخ نمایه سازی: 18 تیر 1387
چکیده مقاله:
سیستمهای پیش بینی و توصیه محصول ، از جمله ابزارهای تجارت الکترونیک هستند که از طریق جمع آوری ، تحلیل و مدیریت اطلاعات مربوط به فعالیتهای مشتری در فرآیندهای خرید قبلی در یک فایل شخصی و همچنین بررسی علایق ، اولویتها و تعداد مراجعات او ، در هر بار ورود به فروشگاه مجازی ، نیازهای آتی او را پیش بینی نموده با ارائه توصیه های مفید او را در فرآیند خرید یاری می رسانند . هر چه سیستمهای پیش بینی و توصیه محصول ، رفتارها و علایق هر مشتری را بهتر بشناسند توصیه ارائه شده دارای کیفیت بالاتری بوده باعث افزایش رضایت و وفاداری مشتری و در نتیجه کسب سود بیشتر در فرآیند فروش خواهد بود .در این مقاله پس از معرفی و بیان نقاط قوت و ضعف چند روش پیش بینی و توصیه رایج در تجارت الکترونیکی ، یک روش توصیه نوآورانه تلفیقی به نام INORM معرفی می گردد . این روش به تنهایی توانسته است از مزایای هفت روش توصیه کنونی بهره برده و بسیاری از نقایص این روشها را نیز برطرف نماید . ارائه توصیه با کیفیت بالاتر ، امکان توصیه کالاهای جدید ، رفع مشکلات ناشی از افزایش کالاها و مشتریان در فرآیند توصیه ، امکان پیش بینی کالاهای مورد نیاز جهت فرایند تدارکات برای فروشنده ، برخی از نقاط قوت این روش است . همچنین این روش به سهولت می تواند در فروشگاههای اینترنتی ایران به عنوان یک ابزار مدرن تجارت الکترونیک مورد استفاده قرار گیرد .
کلیدواژه ها:
تجارت الکترونیکی سیستمهای پیش بینی سیستمهای توصیه محصول کیفیت توصیه
نویسندگان
فریبرز موسوی مدنی
عضو هیئت علمی دانشگاه علم و صنعت
محمد فتحیان
عضو هیئت علمی دانشگاه الزهرا
مژگان معماری
دانشجوی کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه الزهرا
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 :