تحلیل داده های شرکت های بازاریابی با استفاده از خوشه بندی K-Means بهبودیافته و مدل LRFMM۲
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
Index date: 14 October 2024
تحلیل داده های شرکت های بازاریابی با استفاده از خوشه بندی K-Means بهبودیافته و مدل LRFMM۲ abstract
خوشه بندی به ویژه k میانگین، یکی از مهمترین روش های داده کاوی است که در شناسایی و رصد رفتار مشتریان مورد استفاده قرار می گیرد. در k میانگین کلاسیک، بهینگی وابسته به انتخاب اولیه مراکز بوده و در نتیجه، این روش، بهینه نیست. مشکلات دیگر آن تعیین تعداد خوشه ها و صفر شدن خوشه ها است. در خوشه بندی مشتری، ویژگی های رفتاری مشتری به عنوان روشی برای یافتن تعداد بهینه خوشه ها و مقادیر اولیه مراکز خوشه برای دستیابی به نتایج دقیق تر و پیش بینی طول عمر مشتریان در نظر گرفته شده است. نتایج این پژوهش رفتار مشتریان هر یک از خوشه ها را نشان می دهد و روش پیشنهادی بهبود یافته k میانگین یک بار با احتساب پارامتر M۲ (میزان رضایت مشتریان) و یک بار بدون M۲ با k میانگین کلاسیک مقایسه شده است. معیار اطلاعات متقابل نرمالیزه بر روی روش پیشنهادی و روش مورد مقایسه محاسبه شده و در هر دو حالت، با در نظر گرفتن یا فقدان شاخص M۲، معیار اطلاعات متقابل نرمالیزه روش پیشنهادی بالاتر بوده است. همچنین شاخص رند تعدیل یافته برای حالت روش پیشنهادی با احساب پارامتر M۲ بالاترین عدد را ثبت کرده است. روش پیشنهادی از نظر زمان محاسباتی نیز سریعتر از k میانگین کلاسیک بوده که نشان می دهد این روش عملکرد بهتری را از نظر سرعت و دقت عملکرد نسبت به k میانگین کلاسیک دارد.
تحلیل داده های شرکت های بازاریابی با استفاده از خوشه بندی K-Means بهبودیافته و مدل LRFMM۲ Keywords:
تحلیل داده های شرکت های بازاریابی با استفاده از خوشه بندی K-Means بهبودیافته و مدل LRFMM۲ authors
گروه مهندسی کامپیوتر، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
گروه مهندسی کامپیوتر، واحد مرودشت ،دانشگاه آزاد اسلامی ، مرودشت، ایران
