پیشبینی پذیرش یا عدم پذیرش پیشنهاد افتتاح حساب سپرده مدتدار با استفاده از یک مدل پیش بینی کننده ترکیبی: رویکرد داده کاوی
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 448
This Paper With 22 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:
ITCC01_368
تاریخ نمایه سازی: 9 فروردین 1395
Abstract:
مؤسسات بانکی از مهمترین مولفه های نظام اقتصادی هر کشور می باشند. این موسسات تلاش دارند تا با ارائه پیشنهاداتوسوسه انگیز، تعداد بیشتری از مردم را ترغیب به سرمایه گذاری در بخش های پولی و بانکی نمایند. طبیعتاً موفقیت چنینپیشنهاداتی در گرو تعامل مستقیم با مشتری و تلاش برای قانع ساختن آنهاست. یک روش موثر ارتباط مستقم، استفاده ازبازاریابی تلفنی است که در سالهای اخیر با توجه به افزایش ضریب نفوذ تلفن همراه و ثابت، مورد آزمایش و اقبال واقعگردیده است. در این مقاله یک مدل پیش بینی کننده ارائه خواهیم نمود که قادر است تا بر اساس اطلاعات مشتریان، استقبالیا عدم استقبال آنها را در مواجهه با چنین پیشنهاداتی پیش بینی نماید. این دانش کمک شایانی به بازاریاب بانک می کندتا با صرف وقت و هزینه به مراتب کمتر، پیشنهاد افتتاح حساب را تنها در اختیار مشتریانی قرار دهد که محتمل است ازچنین پیشنهاداتی استقبال نمایند. ازسوی دیگر دانش تحصیل شده در مورد مشتریانی که از اینگونه پیشنهادات استقبالنمی کنند نیز مفید است. چرا که بانک ها را قادر به طراحی پیشنهاداتی می سازد که قادر است تا توجه این قشر را نیز به خودجلب نماید. در مدل پیشنهادی، چندین طبقه بندی کننده را بر اساس داده های بانکی که از یکی از بانک های کشور پرتقالبه دست آمده است، آموزش میدهیم و داده های آزمون را جهت داوری به هریک از آنها می سپاریم. در نهایت با استفادهاز یک رویکرد ترکیبی و بر اساس یک مکانیزم مبتنی بر رأی گیری، نتیجه نهایی پیش بینی مشخص می گردد. نتایج ارزیابی هاحاکی از عملکرد بهتر مدل پیشنهادی نسبت به تک تک مدل های پایه بوده است.
Keywords:
Authors
حمیدرضا داودی
کارشناسی ارشد، دانشگاه آزاد اسلامی قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
محمدمهدی کرمی
کارشناسی ارشد، دانشگاه آزاد اسلامی قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات
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 :