این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت تولید و عملیات، جلد ۷، شماره ۲، صفحات ۲۱۷-۲۳۴
عنوان فارسی بخش‌بندی کاربران بانکداری موبایلی بر مبنای انتظارات با رویکرد خوشه‌بندی
چکیده فارسی مقاله با توجه به روند فزاینده تعداد دارندگان موبایل، نقش بانکداری موبایلی روزبه‌روز اهمیت می‌یابد. شناخت انتظارات این کاربران به افزایش سهم بازار بانک‌ها کمک می‌کند. پژوهش حاضر، با هدف بخش­بندی کاربران بانکداری موبایلی بر مبنای انتظارات انجام شده است. در این پژوهش بانک کشاورزی برای مطالعه انتخاب شده است. انتظارات کاربران بانکداری موبایلی در قالب 4 عامل اصلی شامل: خدمات اصلی، خدمات افزوده، شرایط تسهیل‌کنندۀ کاربری، و ادراک مفید‌بودن استفاده، با رویکرد پژوهشْ از نوع ابتدا کیفی، سپس کمی (با تأکید بر بخش کمی)، شناسایی شدند. با ابزار پرسش‌نامۀ بستۀ سؤالی، داده های لازم از 308 کاربر خدمات بانکداری موبایلی جمع‌آوری شد. در مرحلۀ بعد، پس از مشخص‌کردن تعداد بهینۀ خوشه ها با روش Ward از فنِ داده‌کاوی K-Means برای خوشه­­بندی استفاده شد. نتایج آزمون تحلیل واریانس یک‌طرفۀ انتظارات شناسایی‌شده ، نشان دادند که میانگین انتظارات شناسایی‌شده در بین خوشه­ها دارای تفاوت معنی‌دار است؛ زیرا سطح معنی‌داری این انتظارات پایین­تر از 001/0 بود.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Segmentation of Mobile Banking Users Based on Expectations: A Clustering Technique
چکیده انگلیسی مقاله The increasing trend of mobile phone owners reveals the importance of mobile banking on these days. Understanding the users' expectations helps banks to increase the market share. The aim of this study is to segment mobile banking users based on expectations. In this study, Agriculture bank of Iran is selected as the case study. Based on a mixed approach of type qualitative → quantitative, mobile banking users' expectations were identified within 4 main expectation as: expectations of the main services, added service, facilitating conditions for using and perceived usefulness for using mobile banking. Data has been collected from 308 users of mobile banking through the closed questionnaire. In the next step, after determining the optimal number of clusters by Ward method, data mining technique of K-Means has been used for clustering. Based on Anova test applied on identified expectations, the results showed that the average of expectations between clusters is different because the significance level of this expectations was lower than 0.001.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله شهریار عزیزی |
گروه مدیریت بازرگانی، دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

محمد حسین بلاغی اینالو | mohammad hossein balaghi inaloo
دانشکده مدیریت و حسابداری، دانشگاه شهید بهشتی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه شهید بهشتی (Shahid beheshti university)

نشانی اینترنتی http://jpom.ui.ac.ir/article_21103_ea8c6de4bba9ba6ec2b6594f26d9a52b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1074/article-1074-341743.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