CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

خوشه بندی مشتریان با استفاده از رویکرد داده کاوی Crisp و متدلوژی توسعه یافته LRFM (مورد مطالعه سازمان نیازمندی های همشهری)

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۲۶ | تعداد نمایش خلاصه: ۳۱ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: AMSCONF05_662
زبان مقاله: فارسی
حجم فایل: ۶۱۶.۰۸ کیلوبایت (فایل این مقاله در ۲۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۲۶ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳۰,۰۰۰ ریال بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله خوشه بندی مشتریان با استفاده از رویکرد داده کاوی Crisp و متدلوژی توسعه یافته LRFM (مورد مطالعه سازمان نیازمندی های همشهری)

  محمد بیجنوند - دانشجو کارشناسی ارشد مدیریت فناوری اطلاعات دانشگاه آزاد اسلامی واحد علوم تحقیقات تهران ایران
  عادل آذر - استاد،دانشگاه علامه طباطبایی
فرشید عبدی - استاد، دانشگاه آزاد اسلامی، صنایع
سیدعبدالله امین موسوی - استاد، دانشگاه آزاد اسلامی، واحد علوم تحقیقات

چکیده مقاله:

در این تحقیق، شیوه LRFM برای بخش بندی مشتری در نیازمندی های همشهری مورد استفادهقرار گرفته است. داده های مشتریان واکاوی می شوند تا بخش بندی مشتری و در نتیجه، تعریف مناسباستراتژی های موثر برای برخورداری از دیدگاه بهتر مشتریان شرکت و رفتارهای آنها و نیز افزایشسوددهی اجرا گردد. روش LRFM چهار بعد داده معاملاتی مشتری معروف به مدت رابطه، تاخر، فراوانی و مالی را در راستای طبقه بندی رفتار مشتری الگوسازی می کند. پس از آن که داده هایمربوط به مقادیر شاخص های ال. آر اف.ام. از پایگاه داده مشتریان استخراج گردید، مرحله پیشپردازش و آماده سازی داده ها با توجه به کد اختصاص یافته به هر مشتری صورت گرفته است. مقادیر آل. آر.اف.ام، نرمال سازی شدند. در ادامه، طبقه خروجی نرم افزار SPSS تعداد خوشه بهینه به روش تحلیل کلاستر دو مرحله ای، به 5 خوشه تعیین گردید. بر اساس تعداد خوشه تعیین شده، مشتریان بر اساس شاخص های ال.آر.اف.ام. خوشه بندی شدند. همچنین متغیر جدید با نام C که بر اساس تعداد تغییراتی که مشتری بر روی سفارش خود داده است را نشان می دهد به داده ها اضافه شد. و نتایج نشان داد که این متغیر نقشی در تغییر تعداد خوشه ها ندارد.

کلیدواژه‌ها:

؛LRFM، بخش بندی مشتری، تاپسیس، سازمان نیازمندی های همشهری

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-AMSCONF05-AMSCONF05_662.html
کد COI مقاله: AMSCONF05_662

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:
بیجنوند, محمد؛ عادل آذر؛ فرشید عبدی و سیدعبدالله امین موسوی، ۱۳۹۷، خوشه بندی مشتریان با استفاده از رویکرد داده کاوی Crisp و متدلوژی توسعه یافته LRFM (مورد مطالعه سازمان نیازمندی های همشهری)، پنجمین کنفرانس ملی پژوهشهای کاربردی در مدیریت و حسابداری، تهران، انجمن مدیریت ایران، https://www.civilica.com/Paper-AMSCONF05-AMSCONF05_662.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: (بیجنوند, محمد؛ عادل آذر؛ فرشید عبدی و سیدعبدالله امین موسوی، ۱۳۹۷)
برای بار دوم به بعد: (بیجنوند؛ آذر؛ عبدی و امین موسوی، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۱۷۳۸۶
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

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.