کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
982780 1480374 2015 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
A Data Mining Based Approach to a Firm's Marketing Channel
ترجمه فارسی عنوان
یک رویکرد مبتنی بر داده کاوی برای کانال بازاریابی یک شرکت
کلمات کلیدی
کشف دانش در پایگاه - داده کاوی - DT - قواعد القایی - شکایت کانال بازاریابی
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1. مقدمه
شکل 1. فرایند CRISP-DM
2. شبکه های کوهونن
شکل 2. توپولوژی از یک SOM ساده
3. کاربرد
3.1 درک داده ها
شکل 3. نمودار وب وضعیت تحصیلی و انتظارات از تولید کننده
شکل 4. نمودار وب وضعیت تحصیلی و ارتباط با تولید کننده
3.2 فاز آماده سازی داده ها
جدول 1. خوشه های SOM
3.3 القا درخت تصمیم
جدول 2. دقت مدل
4. نتایج
ترجمه چکیده
شرکت ها به منظور داشتن مزیت رقابتی در یک بخش صنعت، باید داده های بازاریابی را جمع آوری و تحلیل کنند. هدف از این تحقیق استخراج دانش از کانال بازاریابی یک شرکت بین المللی به منظور بهبود کارآیی سیستم بازاریابی است. از فرایند استاندارد میان صنعتی داده کاوی (CRISP-DM) برای تحلیل داده های نظرسنجی استفاده می شود. داده ها با استفاده از نقشه خود سازمان ده Kohonen(SOM) برای کاهش ویژگی ها، خوشه بندی می شوند. تحلیل کشف ناهنجاری انجام می شود. ما یک مدل درخت تصمیم (DT)C5.0 را برای پیش بینی شکایات شرکت های کانال بازاریابی با دقت بسیار بالا تولید کردیم. قوانین تصمیم گیری هم استخراج شده اند.
موضوعات مرتبط
علوم انسانی و اجتماعی اقتصاد، اقتصادسنجی و امور مالی اقتصاد و اقتصادسنجی
چکیده انگلیسی
Firms need to collect and analyze marketing data in order to have a competitive advantage in the sector. The aim of this research is to extract knowledge from an international firm's marketing channel to improve the efficiency of the marketing system. The Cross Industry Standard Process for Data Mining (CRISP-DM) is used to analyze the survey data. Data are clustered by applying a Kohonen Self Organizing Map (SOM) to reduce the attributes. Anomaly detection analysis is applied. We generate a C5.0 Decision Tree (DT) model used for predicting the marketing channel firms’ complaints with very high accuracy. Decision rules are also extracted.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Procedia Economics and Finance - Volume 27, 2015, Pages 77–84