طراحی و پیادهسازی سیستم پیشنهاددهنده به مدیران در خصوص قیمتگذاری هوشمند بر اساس ارزش مشتری با تکنیکهای مدلسازی موضوعی و متنکاوی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 344
فایل این مقاله در 30 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IMS-9-33_005
تاریخ نمایه سازی: 10 اردیبهشت 1400
چکیده مقاله:
در دنیای رقابتی امروز، قیمتگذاری بهعنوان یکی از چهارعنصر آمیخته بازاریابی، از عوامل موثر در موفقیت یا شکست شرکتها محسوب میگردد. بر اساس مبانی نظری، در قیمتگذاری مبتنی بر ارزش، شرکتها ارزش متمایز محصولات خود را برای مشتریان محاسبه میکنند. هدف از انجام این پژوهش که بر اساس مبانی علم طراحی استوار است، طراحی و پیادهسازی سیستمی جهت کمک به قیمتگذاری رقابتی بر اساس ارزش مشتری از طریق دستهبندی و تحلیل احساسات مشتریان باهدف حداکثر سازی سود است. صنعت منتخب این پژوهش هتل داری است که سلایق و ارزشهای مشتری در آن از عوامل موفقیت محسوب میگردد. در این پژوهش ابتدا سعی شده به روش مدلسازی موضوعی با الگوریتم LDA، از دادههای استخراجشده از نظرات مشتریان هتلهای ۵ ستاره تهران بهعنوان هتلهای رقیب، موارد مهم و باارزش در ذهن مشتریان این هتلها شناسایی و دستهبندی گردد. پسازآن، در هر دسته، نظرات هر مشتری برچسبگذاری شده و با الگوریتمهای مختلف متنکاوی، فرایند تحلیل احساسات بر روی این نظرات انجام شود. سپس دقت الگوریتمها محاسبهشده که الگوریتم یادگیری عمیق با دقت ۰.۹ بیشترین دقت محاسبات را داشت. درنهایت تحلیل احساسات با دادههای موجود توسط سیستم طراحیشده در مرحله قبل انجامشده و نتایجی قابل قبولی دریافت گردید. کاربرد سیستم پیشنهادی، تشخیص ارزش هتلها در ذهن مشتریان هدف نسبت به رقبا و کمک به قیمتگذاری بر مبنای ارزش است.
کلیدواژه ها:
نویسندگان
سارا آقابابائی
دانشجوی دکترا، گروه مدیریت پردیس البرز، دانشگاه تهران، تهران.( ایران نویسنده مسئول مقاله)؛ aghababaei_s@yahoo.com
محسن نظری
عضو هیئتعلمی، گروه مدیریت، دانشگاه تهران، تهران، ایران.
نسترن حاجی حیدری
عضو هیئتعلمی، گروه مدیریت بازرگانی، دانشکده مدیریت، دانشگاه تهران، تهران، ایران.
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :