خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا)
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 852
This Paper With 13 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:
ICMI01_414
تاریخ نمایه سازی: 20 دی 1394
Abstract:
داده کاوی، ابزار ارزشمندی است که در سال های اخیر از آن به طور گسترده جهت استخراج اطلاعات، جستجوی روابط و الگوها در بین حجم عظیم داده ها استفاده شده است. بر اساس تحقیقات، تکنیک های داده کاوی مختلفی جهت شناسایی و مدیریت ارتباط با مشتریان استفاده شده است. تقسیم بندی و خوشه بندی مشتریان و شناسایی الگوهای رفتاری هر خوشه جهت تدوین سیاستها و استراتژی های ارتباطی با مشتریان جهت ارایه ارزش های مختلف به ایشان از جمله اقداماتی است که امروزه در دستور کار شرکت ها و بنگاه های اقتصادی قرار گرفته است. به منظور تحقق این امر، این تحقیق با هدف استفاده از روشی تحلیلی جهت شناسایی و کشف الگوهای رفتاری مشتریان اجرایی گردید. ما در این تحقیق پس از کنکاش در داده های مشتریان خسارت دیده شرکت مورد مطالعه، از مدل R,F,M که از سه بعد زمان آخرین خرید مشتری (R)، تواتر خرید مشتری (F) و مبلغ خرید مشتری (M)، تشکیل شده است به منظور خوشه بندی مشتریان استفاده نمودیم. پس از آن به منظور کشف دانش میان هر خوشه سه الگوریتم درخت تصمیم C5.0 درخت تصمیم CHAID و یک شبکه عصبی را با یکدیگر مقایسه نمودیم و یافتیم که در بین داده های این تحقیق درخت تصمیم C5.0 کارایی بالاتری دارد. پساز آن استراتژی هایی را جهت نحوه برخورد با این مشتریان ارایه کردیم.
Keywords:
Authors
رضا درخشانی
کارشناس ارشد مهندسی صنایع، گروه مهندسی صنایع، دانشکده صنایع و مکانیک، دانشگاه آزاد اسلامی واحد قزوین
پرهام عظیمی
دکترای تخصصی مهندسی صنایع، عضو هیات علمی دانشکده مهندسی صنایع و مکانیک، گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد قزوین
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 :