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

An Effective CRM Framework with Data Mining Techniques

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۶ | تعداد نمایش خلاصه: ۲۷۸۵ | نظرات: ۰
سال انتشار: ۱۳۸۵
نوع ارائه: پوستر
کد COI مقاله: IMMC01_047
زبان مقاله: انگلیسی
حجم فایل: ۱۸۳.۵۳ کیلوبایت (فایل این مقاله در ۱۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۶ 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 ۱۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله An Effective CRM Framework with Data Mining Techniques

  Leila Hosseinzadeh - MSc Student of IT Management, Tarbiat Modares University

چکیده مقاله:

Committed customers are profitable to an organization for the long term. Customer commitment forms when a customer’s expectation is satisfied and the customer realizes fair value from his/her relationship with the organization. From an organization’s perspective, this value reflects customer equity, but from a customer’s perspective, it represents the customer’s perceived value of the relationship. In order to manage such a relationship successfully, it is necessary to support diverse customer information – such as of- for-the-customer, and by-the-customer information. The CRM framework, which the-customer, includes the decision model for relationship management, should be designed to facilitate the two-way customer relationship exchanges and ways of maintaining committed customers. This paper develops a framework of dynamic customer relationship management which is effectively combined by data mining operations and techniques, suggests the data mining strategy to support the framework, and illustrates the applicability of such framework and strategy in real business.

کلیدواژه‌ها:

CRM, data mining, customers, data, model

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-IMMC01-IMMC01_047.html
کد COI مقاله: IMMC01_047

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:
Hosseinzadeh, Leila, ۱۳۸۵, An Effective CRM Framework with Data Mining Techniques, اولین کنفرانس بین المللی مدیریت بازاریابی, تهران, گروه پژوهشی آریانا, https://www.civilica.com/Paper-IMMC01-IMMC01_047.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: (Hosseinzadeh, Leila, ۱۳۸۵)
برای بار دوم به بعد: (Hosseinzadeh, ۱۳۸۵)
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 :

  • Edelstein H. Building Profitable Customer Relationships with Data Mining. President ...
  • King R. Data Mining and CRM Today. Quaero, LLC White ...
  • Bergeron, B., Essentials of CRM: Customer Relationship Management for Executives. ...
  • Chalmeta R., Methodology for Customer Relationship Management, Journal of Systems ...
  • - ۱۴ شهریورماه ۱۳۸۵/ ۲۰۰۶ ۵ -۴ ۱۵ September VVW ...
  • Rygielski C., Wang J., Yen D. Data mining techniques for ...
  • Folorunso O., Ogunde A.O. Data mining as a technique for ...
  • Chen I., Popovich K. Un derstanding customer relationship management (CRM) ...
  • Information Discovery, Inc. A Charac terization of Data Mining Technologies ...
  • Hormozi A., Giles S. Data Mining: A Competitive Weapon for ...
  • Adriaans, P., Zantinge, D. Data Mining, Harlow, England: Addison Wesley ...
  • Chen L., Sakaguchi T., Frolick M. Data Mining Methods, Applications ...
  • CFO Report. Mining the Value in CRM Data. White Papers. ...
  • Janjicek R. CRM architecture for enterprise relationship marketing in the ...
  • Freeman M. The 2 customer lifecycles. Intelligent Enterprise 1999; 2(16):9. ...
  • Thearling K, Exchange Applications, Inc. Increasing customer value _ integrating ...
  • Thearling K, Exchange Applications, Inc. Increasing customer value _ integrating ...
  • Gray P. Manager's Guide to making decisions about information systems. ...
  • Park C., Kim Y. A framework of dynamic CRM: linking ...
  • ۱۳ - ۱۴ شهریورماه ۱۳۸۵/ ۲۰۰۶ ۵ -۴ September VVW ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۲۳۹۰
    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 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.