CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارائه یک الگوریتم تجمعی جدید مبتنی بر رای گیری اکثریت جهت پیش بینی ریزشمشتری

عنوان مقاله: ارائه یک الگوریتم تجمعی جدید مبتنی بر رای گیری اکثریت جهت پیش بینی ریزشمشتری
شناسه ملی مقاله: ECME16_006
منتشر شده در شانزدهمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک در سال 1401
مشخصات نویسندگان مقاله:

مالک خوشبخت - کارشناسی مهندسی کامپیوتر دانشکده فنی حرفه ای شهید شمسی پور-تهران
یحیی خوشبخت - کارشناسی مهندسی کامپیوتر دانشگاه غیرانتفاعی دانا-یاسوج
علی ملک فرد - کارشناسی ارشد مهندسی کامپیوتر دانشگاه غیرانتفاعی دانا-یاسوج
مینا نظری - کارشناسی ارشد مهندسی کامپیوتر دانشگاه رازی کرمانشاه
امیرحسین دمیا - کارشناسی ارشد مهندسی کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی

خلاصه مقاله:
مدیریت ارتباط با مشتری به همه فرآیندها و فناوریهایی گفته می شود که در شرکت ها و سازمان ها برای شناسایی طبقهبندی ترغیب گسترش حفظ و ارائه خدمت به مشتریان به کار می رود. در سال های اخیر تعدد شرکت هایی که خدمات نسبتامشابه ای را به جامعه ارائه می دهند موجب شده است تا مشتریان بر اساس نیاز خود بتوانند شرکت مورد نظر را انتخاب و ازخدمات آن بهره مند شوند و این عامل سبب ریزش مشتریان آن سازمان شده است. اطلاعات موجود در سوابق مشتریان اعم ازمشتریان وفادار و ریزش شده می تواند راهی برای پیشگویی رفتار آینده مشتریان باشد.از آنجا که حجم داده های مشتریان بسیار زیاد است بنابراین برای اینکه بتوان مشتریان را طبقه بندی کرد از روش های داده کاوی برای تجزیه و تحلیل داده های مشتریان استفاده می شود. هدف اصلی این مطالعه بررسی و کاربرد تکنیک های داده کاویجهت پیش بینی ریزش مشتریان است. همچنین یک روش تلفی ی جدید با استفاده از روش های داده کاوی مبتنی بار روشالگوریتم تجمعی برای پیش بینی ریزش مشتریان توسط ارائه ارایه شده است . روش ارائه شده روی مجموعه داده های مشتریانبانک ها بر اساس داده های تراکنش های بانکی در ایران بر روی سپرده های کوتاه مدت روزشمار و یا قرض الحسنه جاریمشتریان حقیقی ارزیابی شد و نتیحه ارزیابی جهت پیش بینی روی گردانی مشتریان بانک نشان داد که با افزایش طول ورودی(طول زنجیره وضعیت مشتریان) در مدل پیشنهادی دقت پیش بینی مدل افزایش می یابد

کلمات کلیدی:
مدیرت ارتباط با مشتری، داده کاوی، طبقه بندی، پیش بینی ریزش مشتریان، الگوریتم تجمعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1578663/