• صفحه اصلی
  • مرور
    • شماره جاری
    • بر اساس شماره‌های نشریه
    • بر اساس نویسندگان
    • بر اساس موضوعات
    • نمایه نویسندگان
    • نمایه کلیدواژه ها
  • اطلاعات نشریه
    • درباره نشریه
    • اهداف و چشم انداز
    • اعضای هیات تحریریه
    • اصول اخلاقی انتشار مقاله
    • بانک ها و نمایه نامه ها
    • پیوندهای مفید
    • پرسش‌های متداول
    • فرایند پذیرش مقالات
    • اخبار و اعلانات
  • راهنمای نویسندگان
  • ارسال مقاله
  • داوران
  • تماس با ما
 
  • ورود به سامانه ▼
    • ورود به سامانه
    • ثبت نام در سامانه
  • English
صفحه اصلی فهرست مقالات مشخصات مقاله
  • ذخیره رکوردها
  • |
  • نسخه قابل چاپ
  • |
  • توصیه به دوستان
  • |
  • ارجاع به این مقاله ارجاع به مقاله
    RIS EndNote BibTeX APA MLA Harvard Vancouver
  • |
  • اشتراک گذاری اشتراک گذاری
    CiteULike Mendeley Facebook Google LinkedIn Twitter
فصلنامه مدیریت توسعه و تحول
arrow مقالات آماده انتشار
arrow شماره جاری
شماره‌های پیشین نشریه
دوره دوره 1398 (1398)
دوره دوره 1397 (1397)
شماره شماره 35
شماره شماره 34
شماره شماره 33
شماره شماره 32
دوره دوره 1396 (1396)
دوره دوره 1395 (1395)
دوره دوره 1394 (1394)
دوره دوره 1393 (1393)
دوره دوره 1392 (1392)
دوره دوره 1391 (1391)
دوره دوره 1390 (1390)
دوره دوره 1389 (1389)
دوره دوره 1388 (1388)
زکی‌پور, مهدی, نعمتی زاده, سینا, افشار کاظمی, محمد‌علی. (1397). طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری. فصلنامه مدیریت توسعه و تحول, 1397(35), 39-48.
مهدی زکی‌پور; سینا نعمتی زاده; محمد‌علی افشار کاظمی. "طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری". فصلنامه مدیریت توسعه و تحول, 1397, 35, 1397, 39-48.
زکی‌پور, مهدی, نعمتی زاده, سینا, افشار کاظمی, محمد‌علی. (1397). 'طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری', فصلنامه مدیریت توسعه و تحول, 1397(35), pp. 39-48.
زکی‌پور, مهدی, نعمتی زاده, سینا, افشار کاظمی, محمد‌علی. طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری. فصلنامه مدیریت توسعه و تحول, 1397; 1397(35): 39-48.

طراحی الگوریتمی پویا برای کاوش در داده‌ها و پیش‌بینی صحیح پاسخ مشتری

مقاله 4، دوره 1397، شماره 35، زمستان 1397، صفحه 39-48  XML اصل مقاله (1.05 MB)
نویسندگان
مهدی زکی‌پور1؛ سینا نعمتی زاده* 2؛ محمد‌علی افشار کاظمی3
1دانشجوی دکتری، گروه مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2دانشیار، گروه مدیریت بازرگانی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران (عهده دار مکاتبات)
3دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، ، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
مسئله شناسایی و پیش‌بینی پاسخ مشتریان جهت مخاطب قرار دادن در برنامه‌های بازاریابی مستقیم از دیرباز به عنوان یکی از مسائل مهم و مورد علاقة بازاریابان شیوة مستقیم مطرح شده است. بازاریابانی که از این رویکردها استفاده می‌کنند با خطر واکنش شدید مصرف‌کنندگانی که بازاریابی مستقیم را تعرض به زندگی خصوصی خود تلقی می‌کنند و از آن رنجیده خاطر می‌شوند روبرو هستند، بنابراین حتی ممکن است شرکت‌هایی را که از این روش‌ها استفاده می‌کنند به کلی تحریم کنند. شبکه‌های عصبی به عنوان ابزاری قدرتمند برای پیش‌بینی پاسخ مشتریان بالقوه شناخته شده‌اند ولی همان‌گونه که در پژوهش‌های گذشته نیز عنوان شده است همانند سایر الگوریتم‌های پیش‌بینی در مواجهه با داده‌های نامتوازن تمایل زیادی به انحراف در نتایج دارند. در این پژوهش به منظور ارتقاء توان شناسایی و پیش‌بینی مشتریان بالقوه توسط شبکه‌های عصبی مصنوعی چندلایه ضمن استفاده از روش‌های متداول متعادل‌سازی داده‌ها که در سایر مقاله‌ها به کرات استفاده شده است، اقدام به ایجاد ترکیب‌های مختلف از مشتریان توسط خوشه‌بندی آنها کرده و در نهایت به معرفی یک الگوریتم ابتکاری و بسیار کارآمد جهت شناسایی و رتبه‌بندی مشتریان بالقوه پرداخته‌ایم. نتایج حاکی از آن است که ایجاد ترکیب بهینه‌ای از داده‌‌های مشتریان و پیاده‌سازی الگوریتم پویای پژوهش حاضر به طرز قابل توجهی موجب ارتقاء قدرت پیش‌بینی شبکه‌های عصبی مصنوعی شده است.
کلیدواژه‌ها
طراحی الگوریتم؛ بازاریابی مستقیم؛ پاسخ مشتری؛ بهینه‌سازی پیش‌بینی
مراجع
آمار
تعداد مشاهده مقاله: 203
تعداد دریافت فایل اصل مقاله: 146
صفحه اصلی | واژه نامه اختصاصی | اخبار و اعلانات | اهداف و چشم انداز | نقشه سایت
ابتدای صفحه ابتدای صفحه

Journal Management System. Designed by sinaweb.