مدیریت سبد مشتریان پرمشغله بنگاه با رویکرد بخشبندی نامعین و بکارگیری مدل پنهان مارکوف
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
- author سیده سپیده امام
- adviser عبداله آقایی
- Number of pages: First 15 pages
- publication year 1390
abstract
مدیریت سبد مشتریان مفهوم جدیدی است که به تازگی جای خود را در تحقیقات بازاریابی، چه در زمینه های آکادمیک و چه در کاربردهای گوناگون صنعتی باز کردهاست. این مفهوم بر اساس انواع روابط بنگاه با مشتری که در ایجاد سود دخیل هستند استوار است. در این تحقیق سعی میشود نوع جدیدی از سبد مشتریان در رابطه با مشتریان پرمشغله ارائه گردد که با وجود اهمیت بسیار در دنیای امروز مورد توجه واقع نشده است. از آنجا که این دسته از مشتریان دارای فاکتورهای رفتاری خاص میباشند نیاز است بنگاه با رویکرد خاص به موضع آنان نگاه کرده و در راستای ارائه خدمات مورد نظر آنان بکوشد تا بتواند به مزایای رقابتی فراوانی نایل شود. از سوی دیگر با توجه به اهمیت بکارگیری مدلهای مارکوفی در موارد مرتبط با مدیریت روابط مشتریان نیاز به یک تحقیق جامع پیرامون روشهای بکارگیری این نوع از مدلها احساس میشد که در این راستا تمامی مقالات و تحقیقات انجام گرفته در سال 2011 و پیش از آن بررسی شد که نزدیک به 100 مقاله انواع مدلهای مارکوفی را در این مبحث بکار گرفته بودند و 27% از آنان از مدل پنهان مارکوف و از مابقی مدل زنجیره مارکوف در راستای اثبات طرح خود استفاده کرده بودند. از این رو با توجه به دقت و کیفیت بالای مدل پنهان مارکوف، در این تحقیق نیز از این مدل استفاده شد و بدین منظور یک چارچوب 2 مرحلهای پیشنهاد و پارامترهای مدل بر اساس دادههای واقعی در مورد مشتریان پرمشغله برای نخستین بار تخمین زده شدند. از جمله دستاوردهای این تحقیق تعیین تاثیر تعداد کاتالوگهای ارسالی بر تغییر رفتار مشتریان را میتوان نام برد.
similar resources
مدیریت سبد مشتریان پرمشغله با استفاده از مدل پنهان مارکوف
با توجه به توسعه روزافزون مفاهیم نوین در عرصه بازاریابی نیاز به تحقیقات بیشتر در این زمینه بسیار محسوس میباشد. یکی از این موارد بحث مرتبط با مشتریان پرمشغله و مدیریت سبد این دسته از مشتریان است که تاکنون تحقیقی در این راستا صورت نگرفته است. در اینجا سعی شده است پس از ارایه یک مرور کلی از تحقیقات مرتبط با موضوع به کمک شیوه قوی مدلسازی پنهان مارکوف رفتار این دسته از مشتریان به طور دقیق ارزیابی و...
full textالگوی مارکوف پنهان دوطرفه با حافظه خطی
الگوی مارکوف پنهان در مسائل بیوانفورماتیک کاربرد فراوانی دارد. برای مثال این الگو در هم ردیفی دنباله ها، تفسیر خانواده های پروتئین و پیش بینی ژن بکار می رود. پارامترهای این الگو از طریق الگوریتم بام-ولش تعلیمی که یک الگوریتم EM است برآورد می شود. بکارگیری کارآمدترین الگوریتمها برای دنباله های طویل نیازمند حجم وسیعی از حافظه می باشد. در این مقاله روش های مختلفی از جمله استراتژی پ...
full textتحلیل مدل های مارکوف پنهان
مسئله براوردیابی و آزمون فرضها راجع به داده هایی که نسبت به زمان به یکدیگر وابسته هستند یکی از موضوع هایی است که در سال های اخیر مورد توجه آماردانان قرار گرفته است.در این رابطه چنانچه بر اساس دیدگاه و خاصیت مارکوف عمل شود تعیین ماتریس احتمال تغییر وضعیت یکی از اهداف اصلی در این نگرش خواهد بود. اما چنانچه ماتریس احتمال تغییر وضعیت به طور واضح مشخص نباشد مسئله براوردیابی و آزمون فرض پارامترهای آن...
پیش بینی قیمت سهام با استفاده از تلفیق مدل مارکوف پنهان و زنجیره مارکوف
در این تحقیق، تلفیقی از مدل «مارکوف پنهان» و مفهوم «زنجیره مارکوف» بهمنظور پیشبینی رفتار بازارهای مالی ارائه شده است. این ابزار توسعهیافته میتواند در تجزیهوتحلیل بازار سهام، کاربردی مناسب داشته باشد. در ابتدا از الگوریتم ژنتیک بهمنظور تعیین و تنظیم پارامترهای مدل «مارکوف پنهان» استفاده میشود؛ سپس از مدل «مارکوف پنهان» تنظیم شده برای شناسایی و شناخت الگوهای مشابه در دادههای تاریخی استفاد...
full textتخمین احتمال زیان سبد اعتباری با روش مجانبی دقیق با استفاده از مدل متغیرهای پنهان
هدف پژوهش بهدست آوردن احتمال ضرر خیلی زیاد برای یک سبد اعتباری در یک افق زمانی ثابت و محاسبهی میزان ضرر این سبد در بدترین حالت ممکن (نکول همهی مشتریان) است. برای این منظور از رویکرد تابع مفصل استفاده میشود. تابع مفصل ابزار جدیدی است که دقت محاسبهی این احتمال را افزایش میدهد. مفصل گاوسی نمیتواند وابستگی فرین میان اعضای سبد را الگوسازی کند. بههمین علت در این مقاله از روش تی-مفصل بهعنوان ...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023