کاربرد تکنیک های داده کاوی در مدیریت ریزش مشتری

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,376

فایل این مقاله در 10 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:

CITCONF02_026

تاریخ نمایه سازی: 19 اردیبهشت 1395

چکیده مقاله:

طی سال های اخیر نحوه ارتباط سازمان با مشتریان است به عاملی کلیدی برای ایجاد مزیت رقابتی و مؤلفه های اساسی برای بقا در بازار تدوین شده است. مفاهیمی چون جذب، حفظ، وفاداری و رضایت مشتری در بسیاری از سازمان ها نهادینه شده و درک و سنجش آن ها مترادف با موفقیت تعبیر شده است. طبق تحقیقات انجام شده، جذب مشتریان جدید پنج تا شش برابر حفظ مشتریان موجود هزینه بر است. از این رو حفظ مشتریان یکی از مهم ترین کاربردهای بازاریابی سازمان ها برای بقا به شمار می رود. اتخاذ رویکردی برای حفظ مشتریان موجود مستلزم پیش بینی احتمال ریزش (روی گردانی) آن ها است. اخیراً تکنیک ها و روش های داده کاوی یک متعددی برای پیش بینی ریزش به کار گرفته شده است. این مقاله وقتی تکنیک های داده کاوی مورد استفاده در پیش بینی ریزش مشتری را مرور نموده و سعی دارد با معرفی مهم ترین روش های بکار رفته، به شناخت زمینه های پژوهشی جدید در این حوزه کمک کند.

کلیدواژه ها:

حفظ مشتری ، پیش بینی ریزش مشتری ، تکنیک های داده کاوی

نویسندگان

الهام جمالیان

دانشجوی مقطع کارشناسی ارشد، دانشکده فنی و مهندسی دانشگاه قم

رحیم فوکردی

استادیار دانشکده مدیریت دانشگاه قم

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 :
  • churn prediction by hybrid neural networks", Expert Systems with Customerه ...
  • A. Eshghi, D. Haughton, H. Topi; "Determinans of customer loyalty ...
  • E. Ngai; "Customer relationship mangement research(1992- 2002)", Marketing Intelligence and ...
  • R. Swift; Accelerating customer relationships: Using cRM and relationship technologie, ...
  • _ Arvatiyar and J. Sheth ; : CRM: emerging practice, ...
  • A. H. Kracklauer, D. Mills, D. Seifert; Collaborotive Customer Relationship ...
  • E. Ngai, L. Xiu, and D. Chau; "Application of dato ...
  • J. Basiri, F. Taghiyareh, B. Moshiri; _ Hybrid Approach to ...
  • I. Bose, X. Chen; _ Hybrid Models Using Unsupervised Clustering ...
  • A. Lemmens, and C. Croux; "Bogging and boosting clossification trees ...
  • G. Nie, W. Rowe, L. Zhang, Y. Tian, Y. Shi; ...
  • _ Lu; "Predicting customer chur in the telecomm unications industry ...
  • S. Neslin, S. Gupta, W. Kamakura, J. Lu and C. ...
  • N. Glady, B. Baesens, C. Croux; "Modeling churn using customer ...
  • D. Van den Poel, B. Lariviere; "Customer ottrition onalysis for ...
  • W. Buckinx, D. Van den Poel ; "Customer base onalysis: ...
  • C. Geppert; "Customer Churn Management: Retoining High-Margin Customers with Customer ...
  • Bucklin, Z. Jamal and RE; "Improving the diagnosis and prediction ...
  • J. Qi, L. Zhang, Y. Liu, L. Li, Y.Shen, L. ...
  • Genetic algorithm based neural network approaches for predicting churn in ...
  • Y. Xie, X. Li, E.W.T. Ngai and W. Ying; "Customer ...
  • J. Burez and D Van den Poel; "Handling class imbalance ...
  • S. KhakAbi, M.R. Gholamian, M. _ Data Mining Applications in ...
  • Z-Y. Chen, Z-P. Fan, M. Sun; _ hierarchical multiple kernel ...
  • J. Burez and D Van den Poel ; "Separating financial ...
  • B-H Chu, M-Sh. Tsai and Ch-S. Ho; _ _ hybrid ...
  • _ B. Larivie re and D. Van den Poel _ ...
  • S-Y. Hung, David C. Y. and H-Y. Wang; "Applying data ...
  • M. Pettersson; _ SPC with Applications to Churn Management, International ...
  • J-H. Ahna, S-P. Hana and Y-S Lee; _ Customer churn ...
  • W. H. Au, K. C. C. Chan, X. Yao; _ ...
  • S. Borle, S. S. Singh, D. C. Jain; "Customer Lifetime ...
  • J. Burez, D. Van den Poel; "CRM at a pay-TV ...
  • S. E. Chang, Y. T. Jang ; "Assessing Customer Satisfaction ...
  • Ding-An Chiang, Yi-Fan Wang, Shao-Lun Le and Cheng-Jung Lin; _ ...
  • K. Coussement and Dirk Van den Poel; _ Churn prediction ...
  • K. Coussemet and D. Van den Poel _ _ Integrating ...
  • K. Coussement, K.W. De Bock; "Improving customer attrition prediction by ...
  • K. Coussement, K. W; "Customer churn prediction in the online ...
  • P. S. Fader, B. G. S. Hardie, K. L. Lee; ...
  • F. F. Gonil, F. T. Hofstede; _ How to Compute ...
  • X. Hu; _ Data Mining Approach for Retailing Bank Customer ...
  • M. Kim, M. Park and D. Jeong _ "The effects ...
  • N. Kim, K-H. Jung, Y-S. Kim, J. Lee; "Uniformly subsampled ...
  • S. Y. Kim, T. S. Jung, E. H. Suh, H. ...
  • R. Kivetz, O. Urminsky, Y. Zheng; "The Goal-Gradiet Hypothesis Resurrected: ...
  • D. A. Kumar, V. Ravi; "Predicting credit card customer chuurn ...
  • B. Larivie re, D. Van den Poel; "Investigating the role ...
  • S. Lessmann, S. VoB; _ reference model for cu stomer-centric ...
  • M. Lewis; _ Research Note A Dynamic Programming Approach to ...
  • novel decision rules approach for customer relationship management of the ...
  • A. Prinzie T and D. Van den Poel; "Incorporating sequential ...
  • N. Sarlija, M. Bensic, M. Z. Susac ; "Comparison procedure ...
  • D. Seo, C. Ranganathan, Y. Babad; "Two-level model of customer ...
  • H. S. Song, J. K. Kim, Y. B. Cho and ...
  • C-F. Tsai, M-Y. Chen;، :Variable selection by association ruules for ...
  • Y.Wang, D-An. Chiang, M-H. Hsu, C-J. Lin, I-L. Lin; _ ...
  • L. Yan, R. H. Wolniewicz, R. Dodier; "Predicting Customer Behavior ...
  • Yoon, H.S. Kim ; "Deterinans of subscriber churn and customcer ...
  • extended support vector machine forecasting framework An"ه [60] Xi. Yu, ...
  • نمایش کامل مراجع