دسته بندی ارتباط مشتریان در محیط تجارت الکترونیک B2C با رویکرد داده کاوی
محل انتشار: اولین کنفرانس ملی اقتصاد،مدیریت و حسابداری
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 449
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EMAC01_098
تاریخ نمایه سازی: 11 مرداد 1396
چکیده مقاله:
شتابنده عصر کنونی، سازمان ها در صدد هستند که رابطه موفق و بلندمدتی با مشتریان خود برقرار کنند. اینترنت تاکنون تاثیر عمیق و زیادی روی بازاریابی داشته است؛ از این جهت است که امروزه مصرف کنندگان بیشتر به خرید اینترنتی روی می آورند زیرا احساس راحتی بیشتری می کنند. بنابراین نرخ رشد خرید اینترنتی در حال افزایش است و وب سایت ها سعی می کنند مصرف کنندگان را به بازدید و خرید از وب سایت خود جذبکنند. از این رو برای مدیران وب سایت ها مهم است که بدانند چه فاکتورهایی روی روابط آنها با مشتریان تاثیر می گذارد تا از این طریق بتوانند مزیت رقابتی پایدار کسب کنند در این تحقیق مدلی به منظور خوشه بندی مشتریان و پیش بینی خوشه ی مشتریان جدید ارایه شد. به این ترتیب که ابتدا با استفاده از داده های خام فروشگاه اینترنتی متغیرهای مورد نظر بر مبنای مدل RFM سنجیده شد و سپس با استفاده از الگوریتم k میانگین به خوشه بندی آنها پرداخته شد. در این مرحله مشتریان به سه دسته ی عادی، نسبتا وفادار و وفادار تقسیم شدند. در نهایت با استفاده از شبکه عصبی RBF به پیش بینی خوشه ی مشتریان جدید پرداخته شد. نتایج حاصل نشان میدهد که مدل پیشنهادی با دقت 93.4 درصد به پیشبینی خوشه ی مشتریان جدید میپردازد.
کلیدواژه ها:
نویسندگان
رضا سلیمی بنی
دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی،واحد الکترونیکی،مدیریت فناوری اطلاعات،تهران،ایران
سهیلا سردار
استادیار،دانشگاه آزاد اسلامی،واحد الکترونیکی،مدیریتفناوری اطلاعات،تهران،ایران
مریم شعار
استادیار،دانشگاه آزاد اسلامی،واحد تهران جنوب،مدیریتفناوری اطلاعات،تهران،ایران
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 :