خوشه بندی مشتریان ADSL بر اساس شاخص های سرویس با استفاده از الگوریتم های داده کاوی (مطالعه موردی: مشترکین ADSL شهر تهران)

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 914

فایل این مقاله در 13 صفحه با فرمت PDF و WORD 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:

NCTAE01_183

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

امروزه باید بتوان از داده ها و اطلاعات موجود، در جهت منافع سازمان بهره برد و با پایش، تحلیل و استفاده صحیح از آنها چراغ راهی روشن برای مسیر حرکت آینده مشخص کرد. یکی از داده های ارزشمند موجود در سازمان ها، اطلاعات مشتریان است، همواره از این دارایی در جهت شناسایی نیازها، بازاریابی صحیح، برنامه ریزی برای محصول جدید و در نهایت رسیدن به حداکثر درآمدزایی و رضایت مشتری بهره برد. یک سازمان موفق سازمانی است که علاوه بر شناخت و برآورده ساختن نیازهای جاری مشتریان خود، به پیش بینی نیازهای آتی او حتی قبل از فکر کردن مشتری بپردازد و این مساله فراهم نخواهد شد، مگر اینکه همواره اطلاعات کافی از روند حرکت و درخواست های مشتریان وجود داشته باشد. هدف از این پژوهش، استفاده از اطلاعات مشتریان برای خوشه بندی آنها با استفاده از الگوریتم های داده کاوی است. تحقیق پیش رو توصیفی تحلیلی بوده و ازنظر هدف کاربردی می باشد. در این پژوهش، از اطلاعات 55778 مشتری که از سرویس ADSL شرکت مخابرات در شهر تهران استفاده می کنند، استفاده شده است. این خوشه بندی بر مبنای مشخصات سرویس مورد درخواست آنها صورت می گیرد. نتایج این خوشه بندی، ضمن مشخص کردن علاقه مندی های غالب در مشتریان برای طراحی بسته های محصول مناسب، سازمان را در جهت برنامه ریزی برای توسعه های آتی تجهیزات فنی رهنمون می کند.

نویسندگان

مسعود سلیمی

دانشجو کارشناسی ارشد مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران

مریم ابراهیمی

استادیار، گروه مدیریت فناوری اطلاعات، دانشگاه آزاد اسلامی، واحد الکترونیکی، تهران، ایران

رضا توکلی مقدم

استاد، دانشکده مهندسی صنایع، پردیس دانشکده های فنی، دانشگاه تهران، 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 :
  • خاکباز، محمدحسین، (1385)، "خوشه‌بندی و برچسب‌زنی کاربران وب‌سایت با استفاده ...
  • حسینی، زهرا، (1387)، "به‌کارگیری فرایند داده‌کاوی برای دستیابی به ویژگی‌ها ...
  • حسینی بامکان، سیدمجتبی، (1388)، "به‌کارگیری تکنیک‌های داده‌کاوی جهت بهبود مدیریت ...
  • قنبری، محمدحسام، (1389)، "طراحی مدل دسته‌بندی کاربران بانک همراه با ...
  • کریمی، فائزه، (1389)، "ارائه راهکار مناسب در راستای سرویس‌دهی بهینه ...
  • اقدایی، محمدحسن، (1391)، "بخش‌بندی منافعی مشتریان لپ‌تاپ در ایران با ...
  • حسینی، ی. بحرینی زاده، م. ضیائی بیده، ع. (1391)، "تحلیل ...
  • شریفی، ابوصالح محمد، سیدمهدی حسینی و ابراهیم گلیج، (1392)، "استفاده ... [مقاله کنفرانسی]
  • غیاثی، فرناز، نوید نظافتی و سجاد شکوهیار، (1393)، "خوشه‌بندی کاربران ...
  • آذر، ع، احمدی، پ و سبط، م، (1389، "طراحی مدل ...
  • نبی زاده، محمد و منوچهر نجمی، (1393)، "ارائه روشی نوین ...
  • شهرابی، جمال، (1392)، "داده‌کاوی"، تهران، جهاد دانشگاهی واحد صنعتی امیرکبیر. ...
  • علیزاده، سمیه، ملک محمدی، سمیرا، (1390)، "داده‌کاوی و کشف دانش ...
  • _ Leung, H. L., Supervisor, Pettrounias, I. (2009), CRM and ...
  • Demetrius, Yannelis, Apostolos G. Fotis G., (2009), Estimating The Demand ...
  • Schiopu, D.(2010), Applying Two Step Cluster Analysis for Id entifyingbank ...
  • Rygielski, _ Wang, J. C. Yen, D. C. (2002), Data ...
  • Chapman, P. Clinton, j. Kerber, R., Khabaza, T., Reinartz, T., ...
  • نمایش کامل مراجع