پیش بینی رویگردانی مشتریان شرکت های ارایه دهنده خدمات اینترنت با ترکیبی از الگوریتم های داده کاوی؛ مطالعه موردی یک شرکت ایرانی
Publish place: دومین کنفرانس بین المللی در مدیریت، حسابداری و اقتصاد
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 674
This Paper With 19 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:
ACONF02_081
تاریخ نمایه سازی: 10 تیر 1396
Abstract:
با افزایش رقابت در بازارهای پرسود، مخصوصا در صنعت مخابرات، اهمیت نگهداشت مشتریان بیش از پیش شدهاست. این تحقیق به ارایه ی روشی جهت پیش بینی رویگردانی مشتریان شرکتهای ارایه دهنده خدمات اینترنت می پردازد.داده های تحقیق از پایگاه داده مشتریان یک شرکت ایرانی فعال در این صنعت و به روش نمونه گیری تصادفی استخراج شدهاست. این داده ها شامل اطلاعاتی راجع به رفتار مصرف، رفتار خرید، اطلاعات دموگرافیک و رضایت مشتریان به عنوانعوامل موثر بر رویگردانی مشتریان هستند. به دلیل اهمیت دقت در پیش بینی رویگردانی مشتریان، روش ترکیبی بامحوریت بهینه سازی انتخاب ویژگی، طراحی شده است. در این روش با استفاده از الگوریتم ژنتیک، در مورد ورود یا عدمورود هریک از ویژگی ها به مدل و همچنین چگونگی ورود آنها تصمیم گیری می شود. مدل پیش بینی کننده، ترکیبی ازالگوریتم شبکه عصبی مصنوعی و درخت تصمیم است. مقایسه نتایج مدل ترکیبی با الگوریتم های پراستفاده در پیش بینیرویگردانی مشتریان، نشان از افزایش قابل توجه دقت مدل دارد.
Keywords:
داده کاوی , رویگردانی , شرکت های ارایه دهندده خدمات دسترسی به اینترنت (ISP) , انتخاب ویژگی , الگوریتم ژنتیک , شبکه عصبی مصنوعی , درخت تصمیم
Authors
امیر خانلری
استادیار گروه MBA، دانشکده مدیریت، دانشگاه تهران، تهران، ایران
ایمان رییسی وانانی
استادیار گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبایی، تهران، ایران
زهرا مقدسی
دانشجوی کارشناسی ارشد مدیریت بازرگانی، دانشگاه تهران، تهران، 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 :