تحلیل رفتار مشتری با استفاده از کاوش کاربری وب

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 272

This Paper With 18 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_NMRJ-8-2_005

تاریخ نمایه سازی: 23 اردیبهشت 1400

Abstract:

در راهبرد های اخیر بازاریابی، مشتریان از منابع مهم سازمان قلمداد می شوند. بر اساس این، کسبدانش درباره مشتریان و درک نیازهای آنها برای حفظ مشتریان در تجارت الکترونیک بسیار ضروری است. پیش بینی رفتار خرید مشتریان برخط دشوار است؛ زیرا به ندرت بازدید آنها از فروشگاه ها به خرید واقعی ختم می شود و این موضوع برای بازاریابان و پژوهشگران نوعی چالش شده است؛ از این رو، برای داشتن کسب وکار برخط موفق باید رفتار مشتریان را تحلیل کرد. بنابراین، این پژوهش با دو هدف الف) طرح چارچوبی برای افزایش دقت تحلیل و شناخت گروه های مشتریان و ب) ارائه مدل و قوانینی برای پیش بینی رفتار آ نها، رفتار مشتریان را تحلیل می کند. در این پژوهش از روش کریسپ و الگوریتم کا-میانگین برای خوشه بندی مشتریاناستفاده شده است؛ سپس با اختصاص سه نوع برچسب خرید، خریدنکردن و انتظار خرید به مشتریان و با استفاده از درخت تصمیم C۵ مشتریان دسته بندی شدند. درنهایت، مدلی با دقت ۶۳.۶% و مجموعه ای از ۲۶۱ قانون مناسب با اطمینان ۷۰% برای کسب وکار به دست آمد.

Authors

شهرزاد جلالی

دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)

ندا عبدالوند

استادیار گروه مدیریت، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)، تهران، ایران

سعیده رجائی هرندی

دانش آموخته کارشناسی ارشد مدیریت فناوری اطلاعات، دانشکده علوم اجتماعی و اقتصاد، دانشگاه الزهرا (س)

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 :
  • منابع ...
  • Ahn, T., Ryu, S., & Han, I. (۲۰۰۷). The impact ...
  • Arora, M., & Chopra, A. B. (۲۰۱۶). Impact of online ...
  • Azevedo, A. I. R. L., & Santos, M. F. (۲۰۰۸). ...
  • Bae, S. M., Park, S. C., & Ha, S. H. ...
  • Beheshtian-Ardakani, A., Fathian, M., & Gholamian, M. (۲۰۱۸). A novel ...
  • Deka, P. K. (۲۰۱۷). A Conceptual Model for Determining Factors ...
  • Dharmarajan, K., & Dorairangaswamy, D. M. (۲۰۱۶). Web Usage Mining: ...
  • Facca, F. M., & Lanzi, P. L. (۲۰۰۵). Mining interesting ...
  • Ha, S. H. (۲۰۰۲). Helping online customers decide through web ...
  • Hsieh, N. C. (۲۰۰۴). An integrated data mining and behavioral ...
  • Hung, Y. S., Chen, K. L. B., Yang, C. T., ...
  • Jenamani, M., Mohapatra, P. K., & Ghose, S. (۲۰۰۳). A ...
  • Kim, E., Kim, W., & Lee, Y. (۲۰۰۳). Combination of ...
  • Liou, J. J., & Tzeng, G. H. (۲۰۱۰). A dominance-based ...
  • Liu, B., Mobasher, B., & Nasraoui, O. (۲۰۱۱). Web usage ...
  • Moghaddam, Q., S. Abdolvand, N., & Harandi, R. S. (۲۰۱۷). ...
  • Pamutha, T., Chimphlee, S., Kimpan, C., & Sanguansat, P. (۲۰۱۲). ...
  • Park, J., & Chung, H. (۲۰۰۹). Consumers’ travel website transferring ...
  • Shanthi, S. (۲۰۱۷). Survey on Web Usage Mining using Association ...
  • Sheikh, A. M., & Menaria, S. (۲۰۱۷). An Approach of ...
  • Sisodia, D. S., & Verma, S. (۲۰۱۲, May). Web usage ...
  • Sun, L., & Zhang, X. (۲۰۰۴, April). Efficient frequent pattern ...
  • Theusinger, C., & Huber, K. P. (۲۰۰۰, August). Analyzing the ...
  • Tsai, C. F., Hu, Y. H., & Lu, Y. H. ...
  • Weiss, G. M., McCarthy, K., & Zabar, B. (۲۰۰۷). Cost-sensitive ...
  • Yang, Z., & Su, X. (۲۰۱۲). Customer behavior clustering using ...
  • Zhang, X., Gong, W., & Kawamura, Y. (۲۰۰۴, January). Customer ...
  • نمایش کامل مراجع