کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10319767 622698 2002 20 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Data mining techniques for customer relationship management
ترجمه فارسی عنوان
تکنیک های داده کاوی برای مدیریت ارتباط با مشتری
کلمات کلیدی
مدیریت ارتباط با مشتری - ارتباط بازاریابی - داده کاوی - شبکه های عصبی - آزمون مجذور کای تشخیص تعامل خودکار - حقوق شخصی
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1. مقدمه
2. داده کاوی
2. 1 تعریف
2. 2 ارزیابی داده کاوی
جدول 1. مراحل تکامل داده کاوی
2. 3 کاربردهای داده کاوی
شکل 1. تجزیه داده کاوی از یک جهت گیری روند. منبع: Information Discovery, Inc. [18].
2. 3. 1 خرده فروشی
2. 3. 2 بانکداری
2. 3. 3 ارتباطات راه دور
2. 3. 4  کاربردهای دیگر
2. 4 ملاحظات داخلی
2. 5 تکنیک های داده کاوی
جدول 2. تعاملات فناوری داده کاوی و مهارت های معمولی کاربر
شکل 2. تفکیک فناوری های داده کاوی بر مبنای حفظ داده. منبع: Information Discovery, Inc. [18].
جدول 3. مزایا و معایب روش های داده کاوی
3. مدیریت ارتباط با مشتری: مرور کلی
3. 1 تعریف
3. 2 اجزای مدیریت ارتباط با مشتری
4. داده کاوی و مدیریت ارتباط با مشتری
4. 1. ارتباط
4. 2 داده کاوی و حریم خصوصی مشتری
5. مطالعات موردی
5. 1 مطالعه موردی: شبکه های عصبی
شکل 3. نمودار یک شبکه عصبی معمولی. منبع: Discovery Information, Inc [18].
5. 1. 1 مشکل
5. 1. 2 راه حل
5. 1. 3 نتایج 
5. 2 مطالعه موردی: CHAID
5. 2. 1 مشکل / هدف
5. 2. 2 راه حل
5. 2. 3 نتایج
6. CHAID و شبکه های عصبی
6. 1 وضوح و صریح بودن
6. 2 اجرا / ادغام
6. 3 الزامات داده 
6. 4 دقت مدل
6. 5 ساخت مدل
6. 6 هزینه ها
6. 7 کاربردها
7. نتیجه گیری
ترجمه چکیده
پیشرفت های مربوط به فناوری، ارتباط بازاریابی را در سال های اخیر به واقعیت تبدیل کرده است. فناوری هایی مانند انبار کردن داده ها، داده کاوی و نرم افزار مدیریت کمپین، مدیریت ارتباط با مشتری را به زمینه ای جدید تبدیل کرده اند که شرکت ها در آن می توانند به مزیت رقابتی دست یابند. سازمان ها به ویژه می توانند از طریق داده کاوی (استخراج اطلاعات پیشگویانه¬ی پنهان از پایگاه های داده بزرگ) مشتریان با ارزش را تشخیص دهند، رفتارهای آینده را پیش بینی کنند، و شرکت ها را به اتخاذ تصمیم های پویشگرایانه و مبتنی بر آگاهی قادر سازند. آنالیزهای خودکار و آینده گرا، حرکت فراتر از آنالیز رویدادهای گذشته که معمولا توسط ابزارهای تاریخ گرا مانند سیستم های پشتیبانی تصمیم گیری انجام می شوند را از طریق داده کاوی ممکن می سازد. ابزارهای داده کاوی، به سوالات شرکت تجاری که دنبال کردن آنها در گذشته بسیار وقت گیر بوده، پاسخ می دهند. با این حال، پاسخ به این سؤالات، مدیریت ارتباط با مشتری را ممکن می سازد. تکنیک های متنوعی در نرم افزار داده کاوی موجود هستند که هریک، مزایا و چالش های خاص خود را برای انواع مختلف کاربردها دارند. دوگانگی خاصی بین شبکه های عصبی و آشکارسازی اثر متقابل خودکار کای اسکوار (CHAID) وجود دارد. با اینکه روش های متنوع و فراوانی در زمینه داده کاوی وجود دارند، استفاده از برخی انوع داده کاوی برای دستیابی به اهداف فلسفه کنونی مدیریت ارتباط با مشتری، ضروری می باشد.
موضوعات مرتبط
علوم انسانی و اجتماعی مدیریت، کسب و کار و حسابداری کسب و کار و مدیریت بین المللی
چکیده انگلیسی
Advancements in technology have made relationship marketing a reality in recent years. Technologies such as data warehousing, data mining, and campaign management software have made customer relationship management a new area where firms can gain a competitive advantage. Particularly through data mining—the extraction of hidden predictive information from large databases—organizations can identify valuable customers, predict future behaviors, and enable firms to make proactive, knowledge-driven decisions. The automated, future-oriented analyses made possible by data mining move beyond the analyses of past events typically provided by history-oriented tools such as decision support systems. Data mining tools answer business questions that in the past were too time-consuming to pursue. Yet, it is the answers to these questions make customer relationship management possible. Various techniques exist among data mining software, each with their own advantages and challenges for different types of applications. A particular dichotomy exists between neural networks and chi-square automated interaction detection (CHAID). While differing approaches abound in the realm of data mining, the use of some type of data mining is necessary to accomplish the goals of today’s customer relationship management philosophy.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Technology in Society - Volume 24, Issue 4, November 2002, Pages 483–502
نویسندگان
, , ,