پیش بینی سطح سودمندی مشتریان، به کمک خوشه بندی داده های مشتریان بر مبنای ارزش طول عمر مشتری جهت بهبود مدیریت ارتباط با مشتری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 845

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:

SENACONF02_256

تاریخ نمایه سازی: 30 آبان 1394

چکیده مقاله:

در این مقاله، پس از جمع آوری داده های مشتری و شناسایی و تحلیل آنها، مشتریان بر اساس ویژگی های مشابه و سودمندی، به چند گروه خوشه بندی شده اند و در مواجه با هر خوشه، استراتژی های مخصوص به همان خوشه، به کار گرفته شده است. در این صورت میتوان با جلب رضایت مشتریان سودمند، وفاداری آنها را به سازمان افزایش داد و به مزیت رقابتی پایدار دستیافت. همچنین علاوه بر خوشه بندی مشتریان، سطح سودمندی مشتریان برای سازمان، پیش بینی می گردد. از این رو سازمان میتواند با آگاهی به سطح سودمندی مشتریان، تصمیمات صحیحی را جهت ادامه ی ارتباط با مشتری/ عدم ارتباط با مشتری، بگیرد.

کلیدواژه ها:

مشتری ، ارزش طول عمر مشتری (CLV) ، مدیریت ارتباط با مشتری (CRM) ، داده کاوی ، خوشه بندی مشتری

نویسندگان

ساناز جمشیدی

دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

حمیدرضا ناجی

عضو هیت علمی دانشکده برق و کامپیوتر، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

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 :
  • Abeer Khan , Dr. Nadeem Ehsan _ Ebtisam Mirz _ ...
  • Berry M, Linoff G, "Data Mining Techniques: For Marketing, Sales, ...
  • Christine Gertisio, Alan Dussauchoy, "Knowledge Discovery from Industrial Data base", ...
  • Farnoosh Khodakarami, Yolande E. Chan, "Exploring the role of customer ...
  • Francis Buttle "Customer Relationship Management: Concepts and Tools ", Elsevier ...
  • Huang.CH, Chen.M, Wang.CH, "Credit scoring with a data mining approach ...
  • Khalid Rababah, Haslina Mohd, and Huda Ibrahim, "Customer Relationship Management ...
  • Mohammad Behrouzian Nejad, Ebrahim Behrouzian Nejad , Ali Karami, "Using ...
  • Y. Samimi, A. Aghaie, H. Shahriari, "Customer Relationship Termination Problem ...
  • Zineldin M , "Beyond relationship marketing: technological ship marketing ", ...
  • نمایش کامل مراجع