استفاده از تکنیک های داده کاوی به منظور محاسبه نرخ رویگردانی مشتریان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 900

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:

MOCONF01_0555

تاریخ نمایه سازی: 29 آبان 1394

چکیده مقاله:

پیش بینی رویگردانی مشتریان یکی از مهمترین مسائل در مدیریت ارتباط با مشتریان می باشد. هدف این پیش بینی، حفظ مشتریان ارزشمند به منظور به حداکثر رساندن سود شرکت است. تکنیک های داده کاوی همچون شبکه های عصبی مصنوعی و درخت تصمیم به منظور پیش بینی اینکه آیا یک مشتری رویگردان یا غیر رویگردان است. به طور گسترده ای مورد استفاده قرار می گیرند. این تحقیق پس از بیان مفاهیمی در مورد مدیریت رویگردانی مشتریتن، به معرفی روشهای پیش بینی رویگردانی مشتریان به کمک تکنیک های داده کاوی می پردازد.

کلیدواژه ها:

مدیریت رویگردانی مشتریان ، مدیریت ارتباط با مشتری ، داده کاوی

نویسندگان

حسین عزیزی نژاد

گروه مهندسی صنایع - دانشگاه صنعتی امیرکبیر تهران

سحر وطنخواه

دانشجوی دکترای مهندسی صنایع دانشگاه الزهرا تهران

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 :
  • Athanas sopoulo S, A. _ (2000). Customer satisfaction cues to ...
  • Au, W. H., Chan, K. C., & Yao, X. (2003). ...
  • Bolton, R. N., Lemon, K. N., & Verhoef, P. C. ...
  • Blattberg, R. C., Malthouse, E. C., & Neslin, S. A. ...
  • Coussement, K., & De Bock, K. W. (2013). Customer churn ...
  • Donkers, B., Verhoef, P. C., & de Jong, M. G. ...
  • Gupta, S., Lehmann, D., & Ames Stuart, J. (2004). Valuing ...
  • Guoxiu, Liang.(2005). _ comparative study of three decision Tree algorithms: ...
  • Han, .. Kamber, . _ _ Morgan Kaufmann Series in ...
  • Hadden, J., Tiwari, A., Roy, R., & Ruta, D. (2007). ...
  • Kim, H. S., & Yoon, C. H. (2004). Determinants of ...
  • Kim, H. S., & Yoon, C. H. (2004). Determinants of ...
  • Mitchell, T.M. (1997). Machine learning, Mac Graw- Hill, p.52 ...
  • Neslin, S. A., Gupta, S., Kamakura, W., Lu, J., & ...
  • Pang Huang, Han, Chiun Liang, Chao. (1998). _ A Learning ...
  • Reichheld, F. F., & Teal, T. (2001). The loyalty effect: ...
  • Reichheld, F. F., & Sasser Jr, W. E. (1989). Zero ...
  • Rodpysh, K. V. (2012). Model to Predict the Behavior of ...
  • Rust, R. T., Lemon, K. N., & Zeithaml, v. A. ...
  • Ultsch, A. (1999). Data mining and knowledge discovery with emergent ...
  • Yang, L, & Chiu, C. (2007). Subscriber Churn Prediction in ...
  • نمایش کامل مراجع