فایل ورد (word) بررسي و مقايسه نتايج روش مدل RFM با درخت تصميم و ماشين بردار پشتيبان در رفتار مشتريان سرويس هاي مخابراتي

    —         —    

ارتباط با ما     —     لیست پایان‌نامه‌ها

... دانلود ...

 فایل ورد (word) بررسي و مقايسه نتايج روش مدل RFM با درخت تصميم و ماشين بردار پشتيبان در رفتار مشتريان سرويس هاي مخابراتي دارای 16 صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد (word) بررسي و مقايسه نتايج روش مدل RFM با درخت تصميم و ماشين بردار پشتيبان در رفتار مشتريان سرويس هاي مخابراتي  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ريختگي احتمالي در متون زير ،دليل ان کپي کردن اين مطالب از داخل فایل ورد مي باشد و در فايل اصلي فایل ورد (word) بررسي و مقايسه نتايج روش مدل RFM با درخت تصميم و ماشين بردار پشتيبان در رفتار مشتريان سرويس هاي مخابراتي،به هيچ وجه بهم ريختگي وجود ندارد


بخشی از متن فایل ورد (word) بررسي و مقايسه نتايج روش مدل RFM با درخت تصميم و ماشين بردار پشتيبان در رفتار مشتريان سرويس هاي مخابراتي :


سال انتشار : 1397

نام کنفرانس یا همایش : کنفرانس بين المللي تحقيقات بين رشته اي در مهندسي برق، کامپيوتر، مکانيک و مکاترونيک در ايران و جهان اسلام

تعداد صفحات :16

چکیده مقاله:

در مدیریت ارتباط با مشتری CRM می توان گفت مهم ترین دارایی اغلب سازمان ها مشتریان آن ها هستند. مشتریان به خاطر ارتباط مستقیمی که با اقدامات یک سازمان دارند، منبع ارزشمندی برای فرصت ها، تهدیدات و سوالات عملیاتی مرتبط با صنعت مربوطه می باشند. به این ترتیب لازم است در سازمان، سیستمی برای جذب و حفظ مشتریان طراحی و پیاده سازی شود، سیستمی که بتواند روابط سازمان و مشتریان را به خوبی مدیریت کند. در این پژوهش از ترکیب الگوریتم های شبکه عصبی مصنوعی، درخت تصمیم و SVM برای پیش بینی رفتار مشتریان بر اساس FRM استفاده شده است. با شبیه سازی روش پیشنهادی مشاهده گردید که میزان دقت روش پیشنهادی جهت طبقه بندی وفاداری مشتریان برابر با 99.62 % بوده است که این میزان نسبت به روش های محبوبی مثل ماشین بردار پشتیبان و درخت تصمیم بهبود قابل ملاحظه ای داشته است. با توجه به ماهیت و حساسیت محیط های دسته بندی مشتریان در رسانه های اجتماعی و به خصوص شرکت مخابرات ایران، روش پیشنهادی از ترکیب شبکه عصبی مصنوعی، ماشین بردار پشتیبان و درخت تصمیم در قالب سیستم یادگیری تقویتی جهت اعتبار سنجی مشتریان استفاده کرده است..با توجه به نتایج بدست آمده در شبیه سازی انجام شده مشاهده گردید که میزان دقت، صحت، فراخوانی، خطا معیار RMSE , MAE نسبت به سایر روش ها بهتر بوده و می توان از این مدل در شرکت های مشابه استفاده نموده و در بهبود و پیشرفت سود شرکت از آن بهره جست.

لینک کمکی