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

مطالعه و طبقه بندى روش هاى تحلیل و پیش بینى رویگردانى مشترى

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۸ | تعداد نمایش خلاصه: ۳۰۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IIEC12_013
زبان مقاله: فارسی
حجم فایل: ۶۱۶.۹۲ کیلوبایت (فایل این مقاله در ۱۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۸ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان 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 ۱۸ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مطالعه و طبقه بندى روش هاى تحلیل و پیش بینى رویگردانى مشترى

  علی بقائی - گروه فناوری اطلاعات، دانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران
  منیره حسینی - گروه فناوری اطلاعات، دانشکده صنایع، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

چکیده مقاله:

با وجود اهمیت روش های تحلیل و پیش بینی رویگردانی مشتری که موضوعی مهم در زمینه مدیریت ارتباط با مشتری می باشد، عدم بررسی ادبیات این حوزه بصورت جامع احساس می شود. در این نوشته، مقالات و تکنیکهای مورد استفاده شان در حوزه رویگردانی مشتری از سال های 2008 تا 2015 بررسی می گردند و یک طبقه بندی بر اساس مدل ها و تکنیکهای استفاده شده در مقالات ارائه می شود. در این بازه زمانی نزدیک به 300 مقاله شناسایی شدند که تعداد 48 عدد از آنها انتخاب، بررسی و طبقه بندی شده اند. طبقه بندی این 48 مقاله بر اساس تکنیک های مورد استفاده، محیط/پایگاه داده استفاده شده و سال انتشارشان می باشد. بررسی انجام گرفته نشان میدهد که روش های درخت تصمیم، لجستیک رگرسیون و شبکه های عصبی پراستفاده ترین تکنیک های مورد استفاده مقالات در این زمینه هستند. این مطالعه می تواند نقشه راهی برای هدایت تحقیقات آینده باشد و موجب تسهیل جمع آوری و ایجاد دانش در مورد استفاده از تکنیک های مناسب در حوزه تحلیل و پیش بینی رویگردانی مشتری گردد.

کلیدواژه‌ها:

رویگردانی مشتری؛ مرور ادبیات؛ تحلیل و پیشبینی

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-IIEC12-IIEC12_013.html
کد COI مقاله: IIEC12_013

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:
بقائی, علی و منیره حسینی، ۱۳۹۴، مطالعه و طبقه بندى روش هاى تحلیل و پیش بینى رویگردانى مشترى، دوازدهمین کنفرانس بین المللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه خوارزمی، https://www.civilica.com/Paper-IIEC12-IIEC12_013.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: (بقائی, علی و منیره حسینی، ۱۳۹۴)
برای بار دوم به بعد: (بقائی و حسینی، ۱۳۹۴)
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 :

  • جمال شهرابی، ۱۳۸۶. داده‌کاوی جلد اول. تهران: جهاد دانشگاهی واحد ...
  • Ballings, M., and Van den Poel, D., 2012. Customer event ...
  • Berry, M. J. A., and Linoff, G. S., 2004. Data ...
  • Berson, A., Smith, S., and Thearling, K., 2000. Building data ...
  • Bose, I., and Chen, X., 2009. Hybrid models using unsupervised ...
  • Breiman, L., 2001. Random forests. Machine Learning, 45(1), 5-32. ...
  • Buckinx, W., and Van den Poel, D., 2005. Customer base ...
  • Burez, J., and Van den Poel, D., 2007. CRM at ...
  • Burez, J., and Van den Poel, D., 2008. Separating financial ...
  • Burez, J., and Van den Poel, D., 2009. Handling class ...
  • Carrier, C. G., and Povel, O., 2003. Characterizing data mining ...
  • Chandar, M., Laha, A., and Krishna, P., 2006. Modeling churn ...
  • Chen, K. Hu, Y. H., and Hsieh, Y. _ 2014. ...
  • Chen, Z. Y., Fan, Z. P., and Sun, M., 2012. ...
  • Coussement, K., and De Bock, K. W., 2013. Customer churn ...
  • Coussement, K., and Van den P., 2008. Chur prediction in ...
  • Coussement, K., and Van den Poel, D., 2008. Integrating the ...
  • Coussement, K., and Van den Poel, D., 2009. Improving customer ...
  • Coussement, K., Benoit, D. F., and Van den Poel, D., ...
  • Daintith, j, "decision tree. A Dictionary of Computing. 2004. Encyclopedia. ...
  • Dayhoff, J.. E., 1990. Neural Network Principles. Prentice-Hal International, U.S.A. ...
  • De Bock, K. W., and Van den Poel, D., 201 ...
  • De Bock, K. W., and Van den Poel, D., 2012. ...
  • Dudoit, S., Fridlyand, J., and Speed, T. P., 2002. Comparison ...
  • Fader, P. S., Hardie, B. G. S., and Lee, K. ...
  • Fader, P.S., and Hardie, B. G. S., 2009. Probability models ...
  • Gan, C., Cohen, D., Clemes, M., and Chong, E., 2006. ...
  • Glady, N., Baesens, B., and Croux, C., 2009. Modeling churn ...
  • Ginther, C.C., Tvete, I.F., Aas, K., Sandnes, G.I., and Borgan, ...
  • Hadden J., Tiwari A., Roy R., and Ruta D., 2005. ...
  • Han, J., and Kamber, M., 2001. Data Mining: Concepts and ...
  • Hengliang, W., and Weiwei, Z., 2012. A Customer Churn Analysis ...
  • Huang, B. Q., Kechadi, T. M., Buckley, B., Kiernan, G., ...
  • Huang, B., Buckley, B., and Kechadi, T. M., 2010. Multi-objective ...
  • Huang, B., Kechadi, M. T., and Buckley, B., 2012. Customer ...
  • Huang, Y., Huang, B., and Kechadi M T., 2011. A ...
  • Hung, S. Y., Yen, D., and Wang, H. Y., 2006. ...
  • Jahromi, A. T., Stakhovych, S., and Ewing, M., 2014. Managing ...
  • Jahromi, A.T., Sepehri, M.M., Teimourpour, B., and Choobdar, S., 2010. ...
  • King, S. F., and Burgess, T. F., 2008. Understanding Success ...
  • Kim H.S., Yoon C.H., 2004. Determinants of subscriber churn and ...
  • Kim, J. K., Song, H. S., Kim, T. S., and ...
  • Kirui, C., Hong, L, Cheruiyot, W., and Kirui, H., 2013. ...
  • Kisioglu, P., and Topcu, Y.I., 2011. Applying Bayesian Belief Network ...
  • Kraljevic, G., & Gotovac, S., 2010. Modeling data mining applications ...
  • Kutner, M. H., Nachtsheim, C. J., and Neter, J., 2004. ...
  • Lai, Y., and Zeng, J., 2014. Analysis of customer churn ...
  • Lessmann, S., and VoB, S., 2009. A reference model for ...
  • Lin, C-S. , Tzeng, G-H., and Chin, Y-C. 2011. Combined ...
  • Ling, R., and Yen, D. C., 2001. Customer relationship management: ...
  • Liu, D. S., and Ju, C. H., 2009. Customer Churn ...
  • Lu, N., Lin, H., Lu, J., and Zhang, G., 2014. ...
  • Marshall, G., 2009. Logistic regression. A Dictionary of Sociology. 1998. ...
  • Migueis, V.L., Van den Poel, D., Camanho, A. S., and ...
  • Migueis, V.L. Van den Poel, D., Camanho, A. S., and ...
  • Nabavi, S., and Jafari, S., 2013. Providing a Customer Churn ...
  • Neslin, S. A., Gupta, S., Kamakura, W., Junxiang, L., and ...
  • Ngai, E.W.T., 2005. Customer relationship management research (1992-2002): An academic ...
  • Ngai, E.W.T, Xiu, L., Chau, D.C.K., 2009. Application of data ...
  • Nie, G., Rowe, W., Zhang, L., Tian, Y., and Shi, ...
  • Orriols-Puig, A., Martinez -Lopez, F. J., Casillas, J., and Lee, ...
  • Owczarczuk, M., 2010. Churn models for prepaid customers in the ...
  • Pendharkar, P. C., 2009. Genetic algorithm based neural network approaches ...
  • Qi, J., Zhang, L., Liu, Y., Li, L., Zhou, Y., ...
  • Reinartz, W.J., 2000. On the profitability of long life customers ...
  • Risselada, H., Verhoef, P. C., and Bijmolt, T. H. A., ...
  • Ryals, L, 2002. Are your customers worth more than money?. ...
  • Sharma, A., and Panigrahi, P. K., 2011. A Neural Network ...
  • Shaw, M.J., Subramaniam, C., Gek, W.T., and Welge, M.E., 2001. ...
  • Teo, T. S. H., Devadoss, P., and Pan, S. L., ...
  • Tsai, C. F., and Chen, M. Y., 2010. Variable selection ...
  • Tsai, C.F., and Lu, . H., 2009. Customer chur prediction ...
  • Tuv, E., 2006. Ensemble learning. Feature Extraction: Foundations and Applications, ...
  • Vafeiadis, T., Diamantaras, K. I., Sarigiannidis, G., and Chatzisavvas, K. ...
  • Van den Poel, D., and Larivie're, B., 2004. Customer attrition ...
  • Vapnik, V., and Chervonenkis, A., 1991. The necessary and sufficient ...
  • Verbeke, W., Dejaeger, K., Martens, D., Hur, J., and Baesens, ...
  • Verbeke, W. Martens, D., and Baesens, B., 2014. Social network ...
  • Verbeke, W., Martens, D., Mues, C., and Baesens, B., 2011. ...
  • Verbraken, T., Verbeke, W., and Baesens, B., 2014. Profit optimizing ...
  • Wang, W.F., Chiang, D. A., Hsu, M. H., Lin, C. ...
  • Wiersema, F., 2013. The B2B Agenda: The current state of ...
  • Xia, G. E., and Jin, W. D., 2008. Model of ...
  • Xie, Y., Li, X., Ngai, E. W. T., and Ying, ...
  • Yu, X., Guo, S., Guo, J., and Huang, X., 2011. ...
  • Zhang, X., Zhu, J., X, S., and Wan, Y., 2012. ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۴۳۱
    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.