÷یش بینی وفاداری مشتریان به توریسم الکترونیک با شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی
- نویسنده زینب مبرا
- استاد راهنما فریبرز موسوی مدنی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
در این پایان نامه با عنوان " پیش بینی وضعیت وفاداری مشتری در توریسم الکترونیک با استفاده از شبکه های عصبی مصنوعی " سعی در ارائه مدلی برای پیش بینی وضعیت وفاداری مشتریان در توریسم الکترونیکی با استفاده از شبکه های عصبی مصنوعی داریم. بدین منظور, ابتدا عوامل تاثیر گذار بر وافاداری مشتریان بطور کلی و سپس در بازار های الکترونیکی و بطور خاص در صنعت گردشگری بررسی گردید. پس از تعیین این عوامل ، نظر مشتریان درمورد وضعیت آژانس مسافرتی برای هریک از این عوامل مورد سوال قرار گرفته است و بعد از ایشان درباره مراجعه و یا عدم مراجعه مجدد به خدمت دهنده و همچنین انجام تبلیغات مثبت برای خدمت دهنده و نیز معرفی خدمت دهنده به دیگران(که طبق ادبیات موضوع، مهمترین شاخص های وفاداری مشتریان می باشند ) نظر خواهی شده است. داده های حاصل را با استفاده از روش رگرسیون و نیز شبکه های عصبی مصنوعی تجزیه و تحلیل نموده و با توجه به اینکه برای مدل شبکه عصبی، میزان انطباق(r2)= 3/82% و نرخ پیش بینی (pr)=5/84% همچنین 655/1=mape می توان گفت این شبکه نرخ نسبتاً بالایی از پیش بینی را ارائه می کند. نتایج تحلیل رگرسون نشان می دهد 74%= r2 یعنی مدل توسعه داده شده تنها توانسته است 7% از تغییرات متغیر وابسته را توجیه نماید یعنی با استفاده از شبکه عصبی نتیجه بسیار بهتری حاصل شده است. همچنین مدل شبکه عصبی اولویت تک تک متغیر ها بر روی وضعیت وفاداری مشتریان را مشخص می کند در حالی که مدل رگرسیون تنها دو متغیر را با اهمیت تلقی نموده و در مدل پیش بینی خود لحاظ نموده است یعنی در این مورد نیز عملکرد شبکه مناسب تر می باشد.
منابع مشابه
مدل بهبود وفاداری مشتریان به فروشگاه الکترونیک
امروزه با توجه به رشد و تنوع فناوریهای تجارت الکترونیک، تعداد فروشگاههای مجازی به صورت تصاعدی افزایش یافته و این امر چالشهای جدیدی در کسب و کار ایجاد نموده است. بهطوریکه بهبود و ارتقای وفاداری مشتریان به عنوان شاخص کلیدی در دستیابی به موفقیت پایدار در فروشگاههای الکترونیک تبدیل شده است. در این راستا، پژوهش حاضر در تلاش است مدل مناسبی جهت بهبود وفاداری مشتریان به فروشگاههای الکترونیک ارا...
متن کاملکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیش‌بینی بارش یکی از مهمترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
متن کاملکاربرد شبکه عصبی مصنوعی در ÷یش بینی پاسخ های دو متغیره آمیخته در بیماری تصلب شرائین
چکیده مقدمه و اهداف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهش گر با مواردی مواجه می شود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیش بینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیت ها و برقرار نبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی کارایی لازم را ندارند. هدف این مطالعه به کارگیری مدل شبکه عصبی مصنوعی برای پیش بی...
15 صفحه اولمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکه‌های مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکه‌های...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه الزهراء - دانشکده فنی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023