ارائه مدل پیش‌بینی کننده رفتار خریداران برندهای ایرانی با بکارگیری الگوریتم ژنتیک در بهینه سازی درخت تصمیم: صنعت لوازم خانگی برقی

Authors

Abstract:

هدف پژوهش حاضر، ارایه مدل پیش‌بینی‌کننده رفتار خریداران برندهای ایرانی و خارجی بود، که این امر در دو گام مرتبط با هم انجام شد. در گام اول، با استفاده از یک پرسشنامه‌ی 26 شاخصه که از طریق مرور پیشینه پژوهش حاصل شد، نظرات 858 مشتری مازندرانی در مورد خرید برندهای ایرانی یا خارجی بر اساس رفتار واقعی خرید جمع‌آوری شد؛ پس از پیش‌پردازش داده‌‌‌‌ها، به منظور دستیابی به محدوده جواب بهینه، الگوریتم ژنتیک مورد استفاده قرار گرفت و ویژگی‌های موثر انتخاب شدند. در گام دوم، رفتار خرید مشتریان با استفاده از درخت تصمیم مورد تحلیل قرار گرفت و مدل‌های بهینه و قواعد اگر-آنگاه مرتبط با خریداران استخراج شد. نتایج نشان داد که ادراک از تهدیدات خارجی، حمایت از تولید ملی و درآمد، شاخص‌های اصلی در تفکیک خریداران برندهای ایرانی و خارجی است و هر چه سطح ادراک از تهدیدات خارجی و حمایت از تولید ملی در مشتری بیش‌تر باشد، گرایش او به برند داخلی بیش‌تر است؛ این در حالی است که طیف‌های درآمدی بالاتر، گرایش بیش‌تری نسبت به خرید برند خارجی دارند.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

جایگاه برندهای ایرانی در صنعت لوازم خانگی از دیدگاه مشتریان

لزوم توجه به کلیه اصول بازاریابی در هر کسب و کاری بیش از پیش احساس می شود. یکی از گام های اساسی که نقشی بسیار حیاتی در این راستا ایفا می کند، توجه به اصول جایگاه یابی و بالاخص جایگاه یابی برند می باشد. در سالهای اخیر، افزایش انواع محصولات وارداتی در بازار لوازم خانگی از یک سو و سیاست های دولت جهت حمایت از محصولات مشابه ساخت داخل از سوی دیگر، باعث ایجاد فضای رقابتی جدیدی در این کسب و کار شده است...

15 صفحه اول

درجه تأثیر نام تجاری بر تصمیم گیری خریداران در صنعت لوازم خانگی برقی (ماشین لباسشویی و تلویزیون)

در بازار پویای امروز دوره بازاریابی تولیدگرا و محصول گرا رو به پایان می باشد و تولید کنندگان دیگر قادر نیستند که تولیدات و محصولات خود را بدون توجه به نیازها و خواسته های مشتریان به آنها بفروشند. پیشرفت تکنولوژی ارتباطات و ورود اینترنت و دیگر رسانه ها باعث افزایش آگاهی مصرف کنندگان و در نتیجه افزای سطح توقعات آنها شده است. به موازات این تحولات، افزایش رقابت در بازار نیز عرصه را بر تولید کنندگان...

15 صفحه اول

بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک در بهینه سازی درختان تصمیم گیری برای اعتبارسنجی مشتریان بانک ها

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک وشناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد،عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل ترکیبی در بهینه سازی درختان تصمیمگیری توسط تکنیک الگوریتم ژنتیک به منظور حل مسائل ذکر شده در فوق برای اعتبارسنجی مشتریان بانک ...

full text

ارائه یک مدل تلفیقی از الگوریتم های شبیه سازی تبرید و الگوریتم ژنتیک برای بهینه سازی فرایند تولید خوراک دام

تحقیق حاضر به تعیین ترکیب بهینه عوامل موثر در تولید خوراک دام پرداخته است. خوراک دام ارتباط کاملا مستقیمی با سلامت دام دارد. با توجه به اینکه در این تحقیق از اطلاعات مسئله ای واقعی استفاده شده است نتایج آن می تواند قابل ملاحظه باشد. متدولوژی سطح پاسخ و فرایند طراحی آزمایشات به کمک هم می توانند بطور موثر در مدل سازی و بهبود سیستم تولید خوراک دام که بیش از یک عامل تاثیر گذار دارد به کار روند. بعد...

full text

بهینه سازی مدل ریاضی فوریه به کمک الگوریتم ژنتیک جهت مدل سازی رفتار خطای هندسی در دوربین های رقومی هوایی

اهمیت وجایگاه اطلاعات مکان مرجع درکلیه امورعمرانی و تحقیقاتی برکسی پوشیده نیست. ازمیان روش‌های تهیه وتولید اطلاعات مکانی،روش فتوگرامتری بواسطه سرعت،صرفه اقتصادی وازهمه مهم‌تر،عدم نیاز به حضورمستقیم عوامل انسان ی در محل،از جایگاه منحصربه فردی برخوردار می‌باشد. درروش فتوگرامتری،دوربین‌های مستقربرسکوهای هوایی،بعنوانا بزاراصلی تأمین داده‌های ورودی واولین حلقه عملیاتی نقشی کلیدی در میزان موفقیت و دس...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 5  issue 1

pages  107- 134

publication date 2017-05-22

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023