• عنوان

    شناسايي مؤلفه هاي اصلي اثرگذار بر بهبود وفاداري مشتري در كسب‌وكارهاي الكترونيكي با استفاده از روش هاي داده كاوي

  • نويسنده اصلي

    نباتي پور، هانيه

  • محل تحصيل
    اصفهان : دانشگاه صنعتي اصفهان
  • رشته تحصيلي
    صنايع و سيستم ها
  • مقطع تحصيلي
    كارشناسي ارشد
  • چكيده
    در فضاي كسب وكار ديجيتال امروز، سرعت ارائه و به روزآوري فناوري هاي مؤثر بر بهبود ارتباط با مشتري بسيار زياد است و موفقيت بيشتر، كسب وكارها به پذيرش فناوري هاي جديد و به دست آوردن دانش بهره گيري از آنها بستگي دارد. پژوهش حاضر به شناسايي مؤلفه‌هاي مؤثر بر بهبود ارتباط با مشتري و راه‌هاي تقويت وفاداري توسط كسب وكارهاي الكترونيكي از طريق تجزيه و تحليل رفتار خريد مشتريان مي‌پردازد. اين پژوهش در دو فاز انجام شده است. در فاز اول، پس از شناسايي عوامل تأثيرگذار بر بهبود ارتباط با مشتري، يك چارچوب مفهومي از سازه ها، مؤلفه‌ها و زيرمؤلفه‌هاي مؤثر بر بهبود ارتباط با مشتري، توسعه داده شده است. چارچوب پيشنهادي طي پرسشنامه‌اي توسط خبرگان حوزه كسب وكار الكترونيكي مورد ارزيابي قرارگرفته است. نتايج تحليل آماري پرسشنامه نشان مي‌دهد «تبليغات» در پيام رسان‌هاي فوري از اهميت قابل توجهي در بحث برقراري ارتباط مؤثر با مشتريان و جذب مشتريان جديد برخوردار هستند. در فاز دوم پژوهش، با انتخاب سه كسب وكارالكترونيكي از نوع توليدكننده، عمده فروشي و ارائه دهنده خدمات آموزشي، امتيازات مؤلفه‌هاي چارچوب مفهومي با استفاده از ميانگين نظرات گروه ارزياب محاسبه شده است و با تقسيم¬بندي مشتريان هر يك از كسب وكارها، براساس روش RFM (يكي از قديمي‌ترين و كاربردي‌ترين روش‌هاي تقسيم‌بندي مشتريان مخفف؛ Recency (به معناي آخرين زماني كه مشتري خريد كرده)، Frequency (به معناي تعداد دفعاتي كه مشتري خريد كرده) و Monetary (به معناي مقدار مبلغي كه مشتري خريد كرده)) است، برترين عوامل تأثيرگذار بر وفاداري مشتريان با استفاده از مدل هاي يادگيري ماشين شناسايي شده اند. در هر مرحله ابتدا به شناسايي برترين سازه ها با بالاترين دقت در مدل‌هاي يادگيري ماشين تحت نظارت پرداخته شده است و سپس برترين مؤلفه سازه منتخب و زيرمؤلفه‌ مؤلفه برتر شناسايي شده اند. نتايج حاصل از اجراي فاز دوم نشان مي‌دهد كه زيرمؤلفه‌هاي«تحليل اطلاعات»، «شخصي‌سازي تبليغات» و «كيفيت خدمات بعد از خريد» براساس معيار ارزيابي F-Measureدر مدل‌هاي داده‌كاوي، بالاترين ميزان تأثيرگذاري را بر وفاداري مشتريان دارند. در سناريو دوم از فاز دوم اين پژوهش باتوجه به اهميت پيش بيني زمان خريد آتي مشتريان در برقراري ارتباط به موقع و مناسب با مشتريان يك مدل تقسيم بندي مبتني بر خوشه بندي ارائه شده است، مقايسه نتايج مدل پيشنهادي با مدل تقسيم‌بندي RFM، بهبودي قابل قبولي را در معيار ارزيابي F-Measure نشان داد. علاوه بر اين، ارزيابي مدل تقسيم بندي نشان دهنده بهبود در تعداد برچسب‌هاي درست پيش بيني شده در مقايسه با مدل RFM است، مدل پيشنهادي همچنين از ديدگاه مالي، مورد ارزيابي قرار گرفت و نرخ بهبود پولي (MIR) مناسبي را نشان داد. صحت اعتبارمدل نيز با بررسي دو داده محك مورد ارزيابي قرار گرفته است.
  • شماره ركورد
    223629
  • گرايش رشته تحصيلي
    سيستم هاي كلان
  • دانشكده
    مهندسي صنايع و سيستم ها
  • دانشگاه
    دانشگاه صنعتي اصفهان