این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات بازاریابی نوین، جلد ۳، شماره ۲، صفحات ۱۷۷-۱۹۰
عنوان فارسی مدل به‌کارگیری تکنیک‌های داده‌کاوی در شناسایی، بخش‌بندی و تحلیل رفتار مشتریان خدمات بانکداری الکترونیکی
چکیده فارسی مقاله بانک‌ها به منظور ارائه خدمات الکترونیکی به مشتریان خود نیازمند شناسایی و تحلیل رفتار آن‌ها هستند. تکنیک‌های داده‌کاوی می‌توانند در حجم زیاد داده‌های مشتریان به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی کمک کنند. مسئله اصلی، چگونگی به‌کارگیری تکنیک‌های داده‌کاوی و مدل تحلیل RFM در شناسایی و تحلیل رفتار مشتریان در بخش‌بندی و طبقه‌بندی و انتخاب گروه‌هایی از مشتریان ارزشمند است. مدل پیشنهادی در این مقاله بر مبنای فرایند استاندارد CRISP در داده‌کاوی بوده و در آن بعد از آماده‌سازی و پیش‌پردازش داده‌ها، دو رویکرد مطرح می‌شود. 1. بخش‌بندی مشتریان به کمک خوشه‌بندی و محاسبه ارزش هر مشتری در خوشه‌ها و رتبه‌بندی آن‌ها برای پیدا کردن ارزشمندترین خوشه‌ها. 2. امتیازدهی وتعیین ارزش مشتری به عنوان ویژگی هدف در ساخت مدل‌های طبقه‌بندی میزان ارزش مشتریان. از مجموعه داده جمعیت‌شناختی و تراکنشی مشتریان برای آموزش و تست مدل پیشنهادی استفاده شد. نتایج نشان می‌دهد که به‌کارگیری مدل پیشنهادی می‌تواند مشتریان را بر اساس رفتار آن‌ها شناسایی و تحلیل نموده و به بخش‌بندی و طبقه‌بندی آن‌ها بپردازد تا پشتیبانی از تصمیمات برنامه‌های بازاریابی و ارتقا آن انجام شود.
کلیدواژه‌های فارسی مقاله داده‌کاوی، بخش‌بندی مشتری، رفتار مشتری، بانکداری الکترونیکی،
عنوان انگلیسی Model of Appling Data Mining Techniques in identification, segmentation and Analysis of Customers Behaviour of Electronic Banking Services
چکیده انگلیسی مقاله Banks need to identify and analyze the behavior of their customers in order to present electorinc services to them. In high volume customers' data set, data mining techniques can help to gain hidden knowledge for supporting marketing decisions. The main problem is how using data mining and RFM analysis model in identification and analysis of customers' behavior in order to segment and classify and select groups of valuable customers. The proposed model in this paper is based on CRISP – DM standard in data mining and in this model, after data preparation and preprocessing, two approaches are presented. 1. Customers segmentation via clustering and then, calculate customer value in clusters and ranking them for finding valuable clusters. 2. Scoring and determine customer value as target attribute in construction of classification models of customers value. Demographic and transactional data set are used to train and test of the proposed model. Results shows using the proposed model can identify and analyze customers with respect to their behaviors and segment and classify them until supporting and promoting marketing decisions can be done.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سیده فاطمه زین العابدینی | seyedeh fatemeh
کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه شیراز، شیراز، ایران
سازمان اصلی تایید شده: دانشگاه شیراز (Shiraz university)

محمد خان بابایی |
دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت فناوری اطلاعات، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی علوم و تحقیقات (Islamic azad university science and research branch)

نشانی اینترنتی http://nmrj.ui.ac.ir/article_17653_7da1d36469d2bea4b492c7ef8247e970.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/690/article-690-336812.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات