CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه راه کار پیشنهادی جهت پیش بینی خوشه مشتریان از طریق ترکیب روش K-medoids با درخت تصمیم (مطالعه موردی شرکت بیمه سامان)

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۰ | تعداد نمایش خلاصه: ۲۹۳ | نظرات: ۱
سال انتشار: ۱۳۹۵
کد COI مقاله: CBCONF01_0748
زبان مقاله: فارسی
حجم فایل: ۸۴۴.۵۳ کیلوبایت (فایل این مقاله در ۲۰ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۰ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه راه کار پیشنهادی جهت پیش بینی خوشه مشتریان از طریق ترکیب روش K-medoids با درخت تصمیم (مطالعه موردی شرکت بیمه سامان)

  احسان مختاری - دانشجوی کارشناسی ارشد فناوری اطلاعات دانشگاه گیلان واحد پردیس
  سیدابوالقاسم میرروشندل - استادیار و عضو هیئت علمی دانشگاه گیلان، دانشکده مهندسی کامپیوتر و فناوری اطلاعات

چکیده مقاله:

امروزه مهمترین اقدام شرکت های بیمه در بحث بازاریابی و تبلیغات، بخش بندی و تفکیک مشتریان بر اساس رفتارو نیاز آن ها است. این اقدام برای ارائه و معرفی بیمه نامه ها و محصولات جدید، همچنین افزایش فروش بیمه نامه ها وارتباطات موثر با مخاطبان به صورت بازاریابی هدف دار انجام می گیرد. از این رو، این شرکت ها برای شناسایی و تحریککردن مخاطبان خود، بازاریابی و تبلیغات را به طور گسترده و هدفمند در تمام محیط های ارتباطی به انجام می رسانند.برای اثر بخشی هرچه بهتر این رویکرد، مشتریان بر اساس معیارها و اهداف خاصی تفکیک و بخش بندی می شوند. خوشهبندی روشی تحلیلی برای کشف عملکرد و رفتار مخاطبان از طریق اطلاعات آن ها است. این امر باعث می شود تا شرکتها بتوانند از طریق همین عملکرد مخاطبان، دست به اتخاذ تصمیم و تبلیغات هدفمند نسبت به آن ها بزنند. هدف اصلیاین پژوهش، ارائه راه کاری برای شناخت و پیش بینی عملکرد و رفتار مشتریان جدید در انتخاب نوع بیمه برای حفاظتمسکن خود در برابر مخاطرات، از طریق ترکیب روش K-medoids با درخت تصمیم در جهت تعیین خوشه مشتریانجدید برای ارائه تبلیغ محصولات بیمه ای می باشد. دراین راستا، بدلیل زیاد بودن مشخصه ها در اکثر مجموعه داده ها وپراکندگی آنها، ابتدا از طریق تکنیک های K-means و K-medoids به کشف الگوهای مفهومی رسیده و با استفاده ازهمین الگوها بعد از مشخص شدن خوشه مشتریان، فقط با داشتن اطلاعات جمعیت شناختی از سوی مشتریان جدید،پیش بینی خوشه آنها صورت می گیرد. ویژگی متمایز این پژوهش، ترکیب روش های تشریحی با روش های دسته بندیدر داده کاوی است. آزمایش های انجام شده شناخت و کشف نیاز ها، رفتار و عملکرد مشتریان را نشان می دهد که براساس آن تبلیغات صورت می گیرد.

کلیدواژه‌ها:

بازاریابی، تبلیغات هدفمند، تفکیک مشتریان، خوشه بندی، K-medoids ، K-means ، درخت تصمیم، پیش بینی، کشف الگو

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CBCONF01-CBCONF01_0748.html
کد COI مقاله: CBCONF01_0748

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
مختاری, احسان و سیدابوالقاسم میرروشندل، ۱۳۹۵، ارائه راه کار پیشنهادی جهت پیش بینی خوشه مشتریان از طریق ترکیب روش K-medoids با درخت تصمیم (مطالعه موردی شرکت بیمه سامان)، اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر، تهران، کنفدراسیون بین المللی مخترعان جهان (IFIA)، دانشگاه جامع علمی کاربردی، https://www.civilica.com/Paper-CBCONF01-CBCONF01_0748.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (مختاری, احسان و سیدابوالقاسم میرروشندل، ۱۳۹۵)
برای بار دوم به بعد: (مختاری و میرروشندل، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Chaffey, D., Smith, P. R., eMarketing eXcellence: Planning and optimizing ...
  • Elli s-Chadwick, F., Mayer, R. E., Johnston, K. J., Chaffey, ...
  • Goyat, S., "The basis of market segmentation: a critical Management, ...
  • Hong, T., Kim, E., "Segmenting customers in online stores based ...
  • Chen, Y. K., Wang, C. Y, Feng, Y. Y., "Application ...
  • Tsai, C. Y., Chiu, C. C., "A purchas e-based market ...
  • Moro, S., Laureano, R., Cortez, P., "Using data mining for ...
  • P.-N. Tan, M. Steinbach, and V Kumar Introduction o Data ...
  • Customer Segmentation Using Clustering and Data Mining Techniques Kishana R. ...
  • مهدی اسماعیلی، داده کاوی، مفاهیم و تکنیک ها، تیر ماه ...
  • Roberto Navigli. _ Sense Di sambiguation: A Survey.: J. ACM ...
  • Data Mining Methods and Models By Daniel T. Larose Copyright ...
  • Jochen Hipp, Ulrich G:untzer, Gholamreza Nakhaeizadeh "Algorithms for Association Rule ...
  • He Lijun, Li Linghua, Li Xiaoniu, Wang Degao. "Comparison and ...
  • _ M. W. Powers. Evaluation: from precision, recall and F-measure ...
  • informedness, markedness & correlation. Jourmal of Machine Learning Technologies 2, ...
  • علم سنجی و رتبه بندی مقاله

    5.0
    ۱ تعداد پژوهشگران نظر دهنده
    5 1
    4 0
    3 0
    2 0
    1 0
    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۰۸۶۵
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • صنعت بیمه > بیمه سامان
  • صنعت بیمه > صنعت بیمه
  • صنعت بیمه > بازاریابی خدمات بیمه ای
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.