توضیحات
چکیده
وب سایت ها بزرگترین پایگاه داده در دسترس و دارای داده های بسیاری در رابطه با مشتریان می باشد. کشف و تحلیل داده های مشتریان در وب، سازمان ها را قادر می سازد تا تصمیمات مبتنی بر داده گرفته و استراتژی های تصمیم گیری خود را بهبود و توسعه دهند. تکنیک های داده کاوی ابزارهای شناخته شده ای برای تجزیه و تحلیل داده های مشتریان می باشند. این تکنیک ها با استفاده از روش های آماری و هوش مصنوعی، الگوهای موجود در مجموعه داده های بسیار بزرگ را استخراج می کنند. این تحقیق می کوشد تا با تاکید بر مدل های داده کاوی در حوزه دسته بندی، مبنی بر تحلیل رفتار مشتریان، به بهبود مدیریت ارتباط با مشتری و تدوین استراتژیهای بازاریابی ویژه هر دسته از مشتریان وب سایت کافه بازار بپردازد. بدین منظور پس از بررسی تحقیقات و مقالات موجود، مرور ادبیات تحقیق، از شاخص هایی که مشتریان در هنگام مراجعه به وب سایتها با آن مواجه می شوند، استفاده شده است و سپس داده های جمع آوری شده با استفاده از نرم افزار Spss Clementine نسخه 18 مورد تجزیه و تحلیل قرار گرفت و از الگوریتم های شبکه عصبی و انواع درخت تصمیم جهت تحلیل رفتار مشتریان آنلاین استفاده شده است. در نهایت، با استفاده از قوانین درخت تصمیم مشخص گردید هرچه برنامه های وب سایت کافه بازار در دسته بندی های مجزایی قرار گیرند، احتمال پیدا کردن آنها توسط افراد بیشتر می شود و تعداد نصب این برنامه ها نیز به مرور زمان افزایش می یابد.
مقدمه
تحلیل ارزش مشتري یکي از متدهاي شناسایي ویژگي هاي رفتاري مشتري ميباشد بر اساس این تجزیه و تحلیل ميتوان میزان وفاداري مشتري را سنجید وفاداري مشتري تنها حفظ مشتري در طول زمان نیست بلکه ایجاد یک رابطه پایدار با مشتري جهت تشویق آنها به خرید بیشتر در آینده ميباشد.
ABSTRACT
Web sites are the largest database available and have many data in relation to customers. Detecting and analyzing customer data on the Web enables organizations to make informed decision-making and decision-making strategies. Data mining techniques are well-known tools for analyzing customer data. These techniques, using statistical methods and artificial intelligence, extract patterns in a very large data set. The research tries to focus on data mining models in the area of categorization based on customer behavior analysis, improve customer relationship management, and formulate marketing strategies for each customer segment of the market’s cafe website. For this purpose, after reviewing the available research and articles, the review of the research literature has been used to identify the indicators that customers encounter when they visit the websites, and then the data collected using the Spss Clementine software version 18 The analysis was performed using neural network algorithms and decision tree types to analyze the behavior of online customers. Finally, using the decision tree rules, it became clear that the more the cafe market programs are placed in separate categories, the more likely they are to be found by individuals, and the number of installation of these programs increases over time.
INTRODUCTION
Customer value analysis is one of the methods for identifying customer behavioral characteristics. Based on this analysis, one can measure the level of customer loyalty. Customer loyalty is not merely maintaining customer over time, but creating a stable relationship with the customer to encourage them to buy more in the future.
Year: 2017
Publisher : Third Annual National Conference on Electrical Engineering, Computer and Biotechnology of Iran
By : Amir Farhad Farhadi, Shirin Dakht Farhadi
File Information: Persian Language/ 9 Page / size: 540 KB
سال : 1396
ناشر : سومین کنفرانس سالانه ملی مهندسی برق، کامپیوتر و بیو الکتریک ایران
کاری از : امیر فرهاد فرهادی ,شیرین دخت فرهادی
اطلاعات فایل : زبان فارسی / 9 صفحه / حجم : KB 540
نقد و بررسیها
هنوز بررسیای ثبت نشده است.