طراحی و پیادهسازی سیستم پیشنهاددهنده به مدیران در خصوص قیمتگذاری هوشمند بر اساس ارزش مشتری با تکنیکهای مدلسازی موضوعی و متنکاوی
Publish place: IT Management Studies، Vol: 9، Issue: 33
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 378
This Paper With 30 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMS-9-33_005
تاریخ نمایه سازی: 10 اردیبهشت 1400
Abstract:
در دنیای رقابتی امروز، قیمتگذاری بهعنوان یکی از چهارعنصر آمیخته بازاریابی، از عوامل موثر در موفقیت یا شکست شرکتها محسوب میگردد. بر اساس مبانی نظری، در قیمتگذاری مبتنی بر ارزش، شرکتها ارزش متمایز محصولات خود را برای مشتریان محاسبه میکنند. هدف از انجام این پژوهش که بر اساس مبانی علم طراحی استوار است، طراحی و پیادهسازی سیستمی جهت کمک به قیمتگذاری رقابتی بر اساس ارزش مشتری از طریق دستهبندی و تحلیل احساسات مشتریان باهدف حداکثر سازی سود است. صنعت منتخب این پژوهش هتل داری است که سلایق و ارزشهای مشتری در آن از عوامل موفقیت محسوب میگردد. در این پژوهش ابتدا سعی شده به روش مدلسازی موضوعی با الگوریتم LDA، از دادههای استخراجشده از نظرات مشتریان هتلهای ۵ ستاره تهران بهعنوان هتلهای رقیب، موارد مهم و باارزش در ذهن مشتریان این هتلها شناسایی و دستهبندی گردد. پسازآن، در هر دسته، نظرات هر مشتری برچسبگذاری شده و با الگوریتمهای مختلف متنکاوی، فرایند تحلیل احساسات بر روی این نظرات انجام شود. سپس دقت الگوریتمها محاسبهشده که الگوریتم یادگیری عمیق با دقت ۰.۹ بیشترین دقت محاسبات را داشت. درنهایت تحلیل احساسات با دادههای موجود توسط سیستم طراحیشده در مرحله قبل انجامشده و نتایجی قابل قبولی دریافت گردید. کاربرد سیستم پیشنهادی، تشخیص ارزش هتلها در ذهن مشتریان هدف نسبت به رقبا و کمک به قیمتگذاری بر مبنای ارزش است.
Keywords:
Authors
سارا آقابابائی
دانشجوی دکترا، گروه مدیریت پردیس البرز، دانشگاه تهران، تهران.( ایران نویسنده مسئول مقاله)؛ aghababaei_s@yahoo.com
محسن نظری
عضو هیئتعلمی، گروه مدیریت، دانشگاه تهران، تهران، ایران.
نسترن حاجی حیدری
عضو هیئتعلمی، گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :