بهبود مدیریت درآمد در صنعت هتلداری با بهره گیری از شبکه عصبی مصنوعی در تعیین پارامتر احتمالی یک مدل رزرو مازاد
Publish place: New Marketing Research Journal، Vol: 7، Issue: 3
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 171
This Paper With 20 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_NMRJ-7-3_006
تاریخ نمایه سازی: 23 اردیبهشت 1400
Abstract:
بهره گیری از مدل های مدیریت درآمد در صنایع مختلف رو به افزایش است. این افزایش در بهبود عملکرد و سودآوری این مدل ها در کسبوکارها ریشه دارد. یکی از کسبوکارهای پراهمیت در این حوزه، صنعت هتلداری است که دارای فرایند رزرو و متغیرهای تصادفی ناشی از آن است. مدل کلاسیک رزرو مازاد، یک مدل مرسوم در مدیریت درآمد تلقی می شود که تلاش می کند بین تعداد مشتریان حاضر در سرویس مورد نظر و تعداد مشتریان غایب (No-Show) تعادل ایجاد کند. این مدل فرصتی ایجاد خواهد کرد تا بتوان با مطالعه توابعی که توزیع حضور مشتریان را به صورت احتمالی بیان می کنند، تعدادی مشتری مازاد را به سیستم اضافه کرد و عملا از نبود مشتریان غایب نیز درآمد کسب کنند. در این پژوهش، با به کار بستن شبکه عصبی مصنوعی با عنوان ابزاری در تخمین تعداد مشتریان غایب، تابع احتمال دوجمله ای که در مدل رزرو مازاد به کار رفته، بهبود داده شده و پارامتر احتمالی آن به طور دقیق تری برآورد شده است. این امر ناشی از برازشی است که شبکه عصبی پرسپترون یک یا چندلایه در زمینه شاخص های موثر در حاضرشدن یا نشدن مشتریان ایجاد خواهدکرد. بنابراین، این توانایی ایجاد خواهد شد که مدلی پویا را برای هر بار فروش و رزرو مشتریان در بنگاه ایجاد کنیم که پارامتر احتمال حضور یا غیبت مشتریان با در نظر گرفتن شاخص های تاثیرگذار برآورده شود.
Keywords:
Authors
احمد توکلی
استادیار گروه مدیریت، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد
محمدعلی فائضی راد
دانشجوی دکتری مدیریت تحقیق در عملیات، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد
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 :