ارایه مدلی جدید برای پیش بینی وفاداری مشتری مبتنی بر وضعیت سازمان با روش های داده کاوی مطالعه موردی :بانک های خصوصی و دولتی تبریز
Publish place: سومین کنفرانس بین المللی مدیریت و اقتصاد
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 523
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:
MCED03_151
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
امروزه روابط بلند مدت با مشتریان از اهداف مهم شرکت ها جهت سود آوری و درآمد زایی بیشتر آنها می باشد. با توجه به اهمیت مشتری در دنیای رقابتی امروز، به ویژه در صنعت بانکداری، هزینه جذب مشتری جدید به مراتب بیش از هزینه لازم برای حفظ وفاداری مشتری است. بنابراین ایجاد وفاداری مشتری در دراز مدت در پایداری کسب و کارها بسیار مهم است و تعیین ارزش وفاداری مشتری می تواند به شرکت ها در توسعه برنامه های راهبردی کمک کند. بنابراین، شناسایی مشتریان با ارزش امری ضروری به نظر می رسد. اگرچه مطالعات و پیشنهاداتی جهت پیش بینی و کمی کردن وفاداری مشتریان پیشنهاد شده است اما در آنها وضعیت سازمان و تاثیر آن در میزان وفاداری در نظر گرفته نشده است. هدف از این مقاله ارایه مدلی جهت پیش بینی وفاداری مشتریان بر پایه وضعیت سازمان می باشد. در این مدل از سیستم های یادگیر و تکنیک های داده کاوی جهت کمی کردن وضعیت سازمان و متعاقبا مدل کردن وفاداری مشتریان به همراه پارامتر هایموثر دیگر استفاده شده است. مدل پیشنهادی بر روی داده های جمع آوری شده از کارمندان بانک های خصوصی و دولتی شهر تبریز اعمال شده است. نتایج به دست آمده نشان دهنده دقت مدل پیشنهادی و تاثیر وضعیت سازمان در پیش بینی وفاداری مشتریان است.
Keywords:
Authors
صمصام آقالاری
دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی،واحد قزوین،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین،ایران
امید سجودی شیجانی
استاد یار، دانشگاه آزاد اسلامی،واحد قزوین،دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین،ایران
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 :