تعیین تکنیک های مناسب داده کاوی در یک سیستم مدیریت ارتباط با مشتری

تعیین تکنیک های مناسب داده کاوی  در یک سیستم مدیریت ارتباط با مشتری


  • 250 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده  
امروزه از ابزارهای داده کاوی برای مدیریت ارتباط با مشتری در صنایع مختلف از جمله بانکداری، بیمه, خرده فروشی، امور بورس، ارتباطات از راه دور، پایگاه داده، بازاریابی، پیش بینی فروش و پیش بینی تقاضا برای خدمات رفاهی از جمله انرژی و آب، شبیه سازی مواد شیمیایی و غیره استفاده می شود. داده کاوی به سازمان ها کمک می کند تا درک بهتری نسبت به کسب و کار خود پیدا کنند تا بتوانند خدمات بهتری به مشتریان خود بدهند و باعث افزایش اثر بخشی سازمانها در دراز مدت می شود. یکی از مهمترین مسائل مربوط به این حوزه شناخت صحیح مشتریان دائمی و موثر نسبت به مشتریان عادی است. از اینرو امور پیش بینی این مشتریان از لحاظ الگوی رفتاری و ویژگی ها از اهمیت بسزایی برخوردار است. 
در اینجا سعی شده تا با بررسی تکنیک های متفاوت طبقه بندی نسبت به شناخت الگوریتم های مناسب در این حوزه قدم برداریم. نکته حائز اهمیت در این حوزه تعیین ویژگی های اساسی و موثر در مدل سازی است که با استفاده از روش بالا به پایین این ویژگی ها مشخص می گردد و پس از آن می توانیم به نتایج تفکیک مشتریان با صحت بالا برسیم.

نتیجه گیری 
با توجه به اهمیت نقش مدیریت ارتباط با مشتری در سازمان های امروزی داده کاوی در این امور اجتناب ناپذیر است. یکی از مهم ترین مسائل مربوط به این حوزه شناخت صحیح مشتریان دائمی و موثر نسبت به مشتریان عادی است. از این رو امور پیش بینی این مشتریان از لحاظ الگوی رفتاری و ویژگی ها از اهمیت بسزایی برخوردار است. الگوی تشخیصی حاصل منجر به تفکیک مشتریان مهم تر در یک کسب و کار می شود. این مساله منجر به تشخیص و تقویت ویژگی هایی می شود که از نظر مشتری نیز با ارزش تر است. در اینجا سعی شده تا با بررسی تکنیک های متفاوت طبقه بندی، نسبت به شناخت الگوریتم های مناسب در این حوزه قدم برداریم. نکته حائز اهمیت در این حوزه تعیین ویژگی های اساسی و موثر در مدل سازی است که با استفاده از روش بالا به پایین این ویژگی ها مشخص می گردد و پس از آن می توانیم به نتایج تفکیک مشتریان با صحت بالا برسیم. روش C4.5 با میزان درستی بالای ۹۰ درصد بهترین نتایج را نشان می دهد. البته روش شبکه عصبی چند لایه پرسپترون نیز نتایج مناسبی را نشان می دهد که با توجه به تنظیمات پارامترها می تواند نتایج بهتری را هم داشته باشد اما هزینه بالای آموزش و سرعت اجرای پایین تری دارد.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.