پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,949,487 |
| تعداد دریافت فایل اصل مقاله | 89,622,075 |
Mining customer dynamics in designing customer segmentation using data mining techniques | ||
| Journal of Information Technology Management | ||
| مقاله 1، دوره 6، شماره 1، تیر 2014، صفحه 1-30 اصل مقاله (798.12 K) | ||
| نوع مقاله: Research Paper | ||
| شناسه دیجیتال (DOI): 10.22059/jitm.2014.50048 | ||
| نویسندگان | ||
| lham Akhondzadeh-Noughabi1؛ Amir Albadvi* 2؛ Mohammad Aghdasi3 | ||
| 1Ph.D. student of industrial engineering, Tarbiat Modares University, Tehran, Iran | ||
| 2Professor of industrial engineering department, Tarbiat Modares University, Tehran, Iran | ||
| 3Associate professor of industrial engineering department, Tarbiat Modares University, Tehran, Iran | ||
| چکیده | ||
| One of the main problems in dynamic customer segmentation is finding the dominant patterns of customer movements between different segments via time. Accordingly, we concentrate on the customer dynamics in this paper and try to find different groups of customers in transmissions between segments via time. The dominant characteristics of these groups are also investigated. To obtain this objective, a new hybrid technique based on the K-means algorithm, hierarchical clustering and association rule mining is presented and implemented on the data of one of the main telecommunication corporations in Iran. The results show that there are seven different groups of customers. Furthermore, the impact of customer dynamics on segments’ changes via time is investigated. In this regard, a new approach of categorizing customers is proposed according to their impact on the structure and the content of segments’ changes. These new groups include “the customers who preserve the structure”, “the ones who are consistent with the structure” and “the customers who destroy the structure”. | ||
| کلیدواژه‌ها | ||
| Dynamic customer segmentation؛ Data Mining؛ Clustering؛ Telecommunication industry | ||
| عنوان مقاله [English] | ||
| کاوش پویایی مشتری در طراحی بخش بندی با استفاده از روش های داده کاوی | ||
| نویسندگان [English] | ||
| الهام آخوندزاده نوقابی1؛ امیر البدوی2؛ محمد اقدسی3 | ||
| 1دانشجوی دکتری مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران | ||
| 2استاد بخش مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران | ||
| 3دانشیار بخش مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران | ||
| چکیده [English] | ||
| یکی از موضوعات مهم در مسئلۀ بخشبندی پویای مشتریان، انتقال مشتریان به بخشهای مختلف در طول زمان و کشف الگوهای حاکم بر این جابهجاییها است. بر این اساس، این مقاله بر پویایی مشتری تمرکز کرده و تلاش میکند، گروههای رفتاری مشتریان و ویژگیهای غالب این گروهها و الگوهای کلی حاکم بر جابهجایی و مهاجرت مشتریان به بخشهای مختلف را در طول زمان استخراج کند. برای این کار، روش ترکیبی جدیدی مبتنی بر الگوریتم K-means، روشهای خوشهبندی سلسلهمراتبی و قوانین انجمنی ارائهشده و در دادههای واقعی یک شرکت مخابراتی بهکار گرفته شده است. بر اساس نتایج بهدستآمده، هفت گروه رفتاری متفاوت در انتقال مشتریان به بخشهای مختلف وجود دارد. همچنین در رویکردی نوین، تلاش شده است تا تأثیر رفتار پویای مشتری در تغییرات بخشها در طول زمان تبیین شود. در این راستا با ارائۀ رویکرد و مفاهیم جدیدی در خصوص پویایی رفتار مشتری و تأثیر آن در تغییرات ساختاری و محتوایی بخشها، گروهبندی جدیدی از مشتریان در قالب مشتریان سازنده و تثبیتکنندۀ ساختار، مشتریان پویای ساختار سازگار و مشتریان پویای ساختارشکن ارائه میشود. | ||
| کلیدواژه‌ها [English] | ||
| بخشبندی پویای مشتری, خوشهبندی, دادهکاوی, صنعت مخابرات | ||
|
آمار تعداد مشاهده مقاله: 4,657 تعداد دریافت فایل اصل مقاله: 4,394 |
||