قیمت گذاری پویای محصولات در خرده فروشی های الکترونیکی با استفاده از شبکه های عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم انسانی و مدیریت
- نویسنده بهنام رضائی
- استاد راهنما اوژن کریمی امیرحسین امیرخانی
- سال انتشار 1393
چکیده
چکیده تجارت الکترونیک بعنوان یکی از خصوصیات عصر حاضر باعث بازنگری در کلیه استراتژی¬ها و ابعاد مربوط به تجارت و بازرگانی شده است. یکی از این مباحث، مبحث قیمت¬گذاری می¬باشد. قیمت بعنوان تنها عضو آمیخه بازاریابی می باشد که تولید درآمد می¬کند و لذا انتخاب قیمت مناسب باعث مدیریت درآمد می¬گردد. با توجه به محیط به شدت متغیر تجارت الکترونیک به نظر روش-های قیمت¬گذاری ثابت برای این محیط نمی¬توانند مناسب باشند لذا امروزه خرده¬فروشی¬های الکترونیکی فعال در محیط اینترنت بدنبال روش¬های مبتنی بر قیمت¬گذاری پویا می¬باشند یعنی روش¬هایی که در آنها قیمت هر لحظه و بنا بر عوامل گوناگون تغییر می¬نماید. اما با توجه به روش-های مختلف قیمت¬گذاری پویا، انتخاب روش مناسب نیز بعنوان چالشی برای خرده فروشی¬های الکترونیکی می¬باشد. نشان خواهیم داد که با بدست آموردن مولفه هایی جهت ورودی شبکه¬های عصبی می¬توان از عوامل هوشمند برای قیمت گذاری پویا محصولات استفاده نمود. در این پژوهش بدنبال بررسی و مشخص نمودن عوامل موثر در رفتار خرید مصرف کننده در محیط تجارت الکترونیک و اینترنت می¬باشیم،یعنی مجموعه عواملی که مشتریان در خرده فروشی های الکترونیکی با توجه به آنها مبادرت به خرید می¬نمایند و ضمن بررسی شبکه¬های عصبی مصنوعی از این عوامل بعنوان مولفه¬های ورودی جهت آموزش شبکه عصبی مصنوعی و بدست آوردن قیمتی پویا استفاده می¬نمائیم.برای بدست آموردن این عوامل پرسشنامه ای تهیه و توزیع گردید و پس از انجام تجزیه و تحلیل آماری مشخص شد که پنج عامل؛ قیمت محصول، کیفیت محصول، شهرت فروشنده، زمان تحویل یا انتقال محصول و خدمات پس از فروش تشکیل دهنده صفات خرید مشتریان در خرده¬فروشی¬های الکترونیک می¬باشند که می¬توان از آنها بعنوان ورودی شبکه¬های عصبی مصنوعی جهت آموزش شبکه و بدست آوردن قیمتی پویا استفاده نمود.
منابع مشابه
قیمت گذاری خرده فروشی و پاسخگویی بار در شبکه های توزیع هوشمند
چکیده: در این مقاله، به خرده فروشی روز بعد در ارتباط با مشتریان قیمت پذیر با تعرفه ثابت و تعرفه های زمان استفاده، پرداخته شده است. پاسخ مشتریان به پیشنهاد قیمت ساعتی، به کمک یک تابع پذیرش مدلسازی شده است. تابع پذیرش، یک تابع توزیع احتمال خطی است که بر مبنای حداقل و حداکثر قیمت مجازی که توسط قانونگذار مشخص می شود، شکل میگیرد. همچنین، مدل-سازی نحوه پیشنهاد قیمت خرده فروش به مشتریان خود در خصوص...
متن کاملپیش بینی قیمت خرده فروشی و عمده فروشی ماهی قزل آلا با استفاده از شبکه عصبی مصنوعی و مدل arma
توجه به ثبات نسبی و پیشبینی قیمت، می تواند نقش مهمی در کنترل ناپایداری قیمت ها و درنهایت کاهش ریسک بازار داشته باشد. در موضوع پیشبینی، مهم ترین بخش مقایسهی روش های مختلف است. در این پژوهش با مقایسهی قدرت پیشبینی دو روشarma و شبکهی عصبی مصنوعی و با انتخاب روش بهتر، قیمت های هفتگی خرده فروشی و عمده فروشی ماهی قزل آلا پیشبینی می شود. در این مطالعه از شبکهی پیش خور که از نوع شبکه های پس ان...
متن کاملارزیابی مدل های قیمت گذاری در سطح خرده فروشی: رویکرد مدل عامل پویای بیزی
در این مطالعه به پیروی از مکوویاک و همکاران (۲۰۰۹) با استفاده از الگوی عامل پویای بیزی، واکنش شاخص قیمت کالاها و خدمات مصرفی در اقتصاد ایران به دو نوع شوک کلان (مشترک) و ویژه (بخشی) بررسی می شود. به این منظور از داده های ماهانه مربوط به شاخص قیمت ۲۳۸ قلم کالا و خدمت مصرفی موجود در سبد خانوار شهری در دوره زمانی۱۳۶۹:۱ تا ۱۳۹۱:۹ استفاده شده است. تفکیک واکنش قیمت ها به این دو نوع شوک به منظور شناسا...
متن کاملطراحی مدل پیش بینی قیمت سهام شرکت های سرمایه گذاری با استفاده از شبکه های عصبی مصنوعی (تحقیق موردی: شرکت سرمایه گذاری البرز)
متن کامل
پیش بینی قیمت سهام شرکت های بورس اوراق بهادار تهران با استفاده از شبکه های عصبی مصنوعی
پیشبینی تغییر قیمت سهام به عنوان یک فعالیت چالشانگیز در پیشبینی سریهای زمانی مالی در نظر گرفته میشود. یک پیشبینی صحیح از تغییر قیمت سهام میتواند سود زیادی را برای سرمایهگذاران به بار آورد. با توجه به پیچیدگی دادههای بازار بورس، توسعه مدلهای کارآمد برای پیشبینی بسیار دشوار است. در این پژوهش، مدلی برای پیشبینی قیمت سهام شرکتهای بورس اوراق بهادار تهران با بکارگیری دادههای درونزا...
متن کاملپیش بینی پویای قیمت نفت خام با استفاده از شبکه های عصبی مصنوعی و با بهکارگیری ذخیره سازیهای نفتی کشورهای OECD
نفت بهعنوان بزرگترین منبع تأمین انرژی در جهان و بهدلیل نقش آن در اقتصاد کشورهای تولید کننده، حائز اهمیت بسیار است. لذا شناخت پارامترهای مختلف تأثیرگذار بر بازار نفت برای این کشورها، ضروری به نظر می رسد. در این راستا، این تحقیق به پیش بینی قیمت بهعنوان یک متغیر مهم از بازار جهانی نفت، با استفاده از روش شبکه های عصبی مصنوعی و نیز روش اقتصادسنجی ARIMA می پردازد. لازم به ذکر است که این پیش...
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 پیام نور - دانشگاه پیام نور استان تهران - دانشکده علوم انسانی و مدیریت
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023