یک رویکرد جامع برای بخش بندی بازار و طبقه بندی مشتریان با استفاده از روش های داده کاوی و برنامه ریزی خطی
نویسندگان
چکیده
با گسترش فناوری و ظهور شرکت های الکترونیکی که انباشت داده های مشتریان در پایگاه داده را به همراه داشته، جذابیت بخش بندی بازار برای پژوهش گران فزونی یافته است. زیرا پایگاه داده مشتری یک داشته ارزشمند شرکت های الکترونیکی است که اگر به خوبی پردازش شود، می تواند شناخت بیشتری از مشتریان ارائه نماید. به همین دلیل روش های متعدد اما غیر منسجمی برای بخش بندی بازار و طبقه بندی مشتریان در علوم مختلف ارائه شده است. این پژوهش، الگوریتم یکپارچه ای برای بخش بندی بازار و طبقه بندی مشتریان ارائه می کند که در آن رویکرد خوشه بندی تجمیعی مبنای مقایسه عملکرد روش های مختلف طبقه بندی، به ویژه برنامه ریزی خطی، قرار می گیرد. این مقایسه نشان می دهد روش برنامه ریزی خطی که کمتر به آن توجه شده است، عملکرد بهتری از نظر درصد بالاتر انتساب مشتریان به خوشه های مشتریان دارد. همچنین برای مواجهه با ناکافی بودن داده های مورد نیاز در پایگاه داده، روش دلفی فازی پیشنهاد شده است.
منابع مشابه
کاوش پویایی مشتری در طراحی بخش بندی با استفاده از روش های داده کاوی
یکی از موضوعات مهم در مسئلۀ بخشبندی پویای مشتریان، انتقال مشتریان به بخشهای مختلف در طول زمان و کشف الگوهای حاکم بر این جابهجاییها است. بر این اساس، این مقاله بر پویایی مشتری تمرکز کرده و تلاش میکند، گروههای رفتاری مشتریان و ویژگیهای غالب این گروهها و الگوهای کلی حاکم بر جابهجایی و مهاجرت مشتریان به بخشهای مختلف را در طول زمان استخراج کند. برای این کار، روش ترکیبی جدیدی مبتنی بر الگور...
متن کاملبهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)
Customer classification using k-means algorithm for optimizing the transportation plans is one of the most interesting subjects in the Customer Relationship Management context. In this paper, the real-world data and information for a spare-parts distribution company (ISACO) during the past 36 months has been investigated and these figures have been evaluated using k-means tool developed for spa...
متن کاملیک رویکرد جامع برای بخشبندی بازار و طبقهبندی مشتریان با استفاده از روشهای دادهکاوی و برنامهریزی خطی
با گسترش فناوری و ظهور شرکتهای الکترونیکی که انباشت دادههای مشتریان در پایگاه داده را به همراه داشته، جذابیت بخشبندی بازار برای پژوهشگران فزونی یافته است. زیرا پایگاه داده مشتری یک داشته ارزشمند شرکتهای الکترونیکی است که اگر به خوبی پردازش شود، میتواند شناخت بیشتری از مشتریان ارائه نماید. به همین دلیل روشهای متعدد اما غیر منسجمی برای بخشبندی بازار و طبقهبندی مشتریان در علوم مختلف ارا...
متن کاملطبقه بندی متقاضیان تسهیلات اعتباری بانکی با استفاده از داده کاوی و منطق فازی
در این پژوهش، هدف، بهره گیری از ابزارهای داده کاوی و منطق فازی برایطبقه بندی مشتریان تسهیلات اعتباری می باشد به طوریکه ابهامات و عدم قطعیت رادر خصوص طبقات مشتریان و نیز متغیرهای تاثیر گذار در رفتار آنها را پوشش دهد.روش کار بدین شکل می باشد که طبق یک فرایند استاندارد داده کاوی، داده هایمشتریان سابق بانک سامان جمع آوری و پالایش شده و سپس طبقات و متغیرهاییکه قابلیت فازی کردن داشتند، طبق نظر کارشنا...
متن کاملبرنامه ریزی تولید و زمان بندی عملیات: یک رویکرد جدید
این مقاله به معرفی چارچوب کلی و برخی ضمیمه های مهم یک سیستم جدید برای برنامه ریزی جریان مواد و زمان بندی عملیات با توجه به محدودیت های ظرفیت تولید می پردازد. توجیه توسعه رویکرد جدید، نارسایی های موجود در سیستم برنامه ریزی جریان مواد MRP به دلیل برخی پیش فرض های غیر واقعی آن می باشد. این سیستم با بهره گیری از یک مکانیزم برنامه ریز خودکار (الگوریتم ابداعی- ابتکاری) زمان های تدارک ساخت را با ملاحظ...
متن کاملارائه چارچوبی برای بخش بندی بازارهای الکترونیکی و طبقه بندی مشتریان با استفاده از مدل سازی و داده کاوی
دو چالش عمده ی بنگاه ها «حفظ و نگهداری مشتریان فعلی» و «جذب مشتریان جدید» برای مواجهه با شرایط عدم اطمینان و کسب سهم بیشتر بازار به عنوان یک شاخص مهم مزیت رقابتی است. بخش بندی بازار به منظور شناخت هر چه بیشتر نیازها و خواسته های مشتریان از دیرباز یک گام اساسی برای ارایه خدمات بهتر به مشتریان فعلی بوده است. در روش سنتی (یا روش مقدم)، بخش های بازار بر مبنای معیارهایی به صورت ذهنی گمانه زنی می شون...
منابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مدیریت تولید و عملیاتجلد ۷، شماره ۱، صفحات ۱-۲۲
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023