ISP مدل ترکیبی برای پیشبینی دلایل رویگردانی مشتریان شرکتهای ارائهدهنده خدمات اینترنتی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 770

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IIEC12_008

تاریخ نمایه سازی: 8 آبان 1395

چکیده مقاله:

امروزه با رقابتی شدن کسبوکارها، توجه به مدیریت ارتباط با مشتری در کسبوکارهای به شدت رقابتی امری ضروری است. یکی از مفاهیم مطرح در مدیریت ارتباط با مشتری شناسایی مشتریان رویگردان است. تاکنون مطالعاتی در خصوص پیشبینی رویگردانی صورت گرفته است اما به دلایل آن توجه کمی شده است. لذا در پژوهش حاضر مولفههای تاثیر گذار بر رویگردانی مشتریان ارزیابی شده است و از نتایج حاصل برای تحلیل تاثیر عوامل مختلف بر رویگردانی بهره گرفته شده است. در ابتدا مشتریان را با خوشه بندی کردن مولفههای نشاندهنده وفاداری آنها به دو گروه رویگردان و غیر رویگردان تقسیم کردیم و سپس از تکنیک درخت تصمیم گیری برای شناسایی دلایل رویگردانی مشتریان استفاده شده است که نتایج حاصل از آن دقت بالا 97 درصد را نشان میدهد و نیز متغیرمدت زمان نصب و راهاندازی بیشترین تاثیر را در رویگردانی مشتریان شرکت های ارائهدهنده خدمات اینترنتیISPها دارد.

کلیدواژه ها:

مدیریت ارتباط با مشتری ، رویگردانی مشتری ، دادهکاوی ، شناسایی علل رویگردانی ، شرکتهای ارائهدهنده خدمات اینترنتی

نویسندگان

عطیه عاشوری

دانشگاه تربیت مدرس، تهران

امیر البدوی

دانشگاه تربیت مدرس، 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 :
  • حمیدرضا احمدی خالدی و علی محمد احمد وند، 1391. مدل‌سازی ...
  • رقیه فرتوت و جمال شهرابی، 1389. ارایه‌ی مدلی به منظور ... [مقاله کنفرانسی]
  • ریچارد آرنولد جانسون و دین ویچرن، 1379. تحلیل آماری چند ...
  • چهارچوبی برای مدیریت رویگردانی مشتری در سرویس دهندگان اینترنت [مقاله کنفرانسی]
  • محمد صنیعی آباده، سینا محمودی و محدثه طاهر پور، 1393.داده‌کاوی ...
  • Cho YB, Cho YH, Kim SH., 2005. Mining changes in ...
  • Farquad MAH, Ravi V, Raju SB., 2014. Churn prediction using ...
  • Hadden J, Tiwari A, Roy R, Ruta D., 2007. Computer ...
  • Huang Y, Kechadi T., 2013. An effective hybrid learning system ...
  • Hung S-Y, Yen DC, Wang H-Y., 2006. Applying data mining ...
  • Keramati A, Jafari-Marand R, Aliannejadi M, Ahmadian I, Mozaffai M, ...
  • Kim H-S, Yoo C-H., 20O4. Determinants of subscriber churn and ...
  • Kim M-K, Park M-C, Jeong D-H., 2004. The effects of ...
  • Lee JS, Lee JC..2006. Customer churn prediction by hybrid model, ...
  • Liou JJ. _ 2009. A novel decision rules approach for ...
  • MacQueen J., 1967. Some methods for classification and analysis of ...
  • Punj G, Stewart DW., 1983. Cluster analysis in marketing research: ...
  • Tsai C-F, Lu Y-H., 200. Customer churn prediction by hybrid ...
  • Vafeiadis T, Diamantaras K. Sarigiannidis G, Chatzisavvas KC _ 2015. ...
  • Wei C-P, Chiu I-T., 2002. Turning telec ommunications call details ...
  • Xie Y, Li X, Ngai E, Ying W., 2009. Customer ...
  • Zehle S., World Summit _ the Information Society, The Wiley-B ...
  • Zhang Y, Qi J, Shu H, Cao J, editors., 2007, ...
  • نمایش کامل مراجع