ارائه سیستم توصیه گر مبتنی بر آنالیز عقاید جهت ارائه خدمات شخصی سازی شده بانکی
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 51
فایل این مقاله در 28 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_SAIM-5-1_002
تاریخ نمایه سازی: 24 آذر 1402
چکیده مقاله:
DOR : ۲۰.۱۰۰۱.۱.۲۴۷۶۶۲۹۱.۱۳۹۹.۵.۱.۲.۳حفظ مشتری یک مسئله مهم برای بانک ها می باشد. مسئله حاضر در حوزه یادگیری ماشین و مباحث آماری با تمرکز بر مشکل پیش بینی صحیح نیازهای مشتری و پاسخگویی به آن در محیط پویای بانک است. از آنجا که به ندرت حرکت موثری با بهره گیری از اقدامات شخصی سازی شده برای بهبود نرخ نگهداری مشتری انجام شده، با این حال، این تصمیمات حداقل به عنوان شناسایی صحیح مشتریان در معرض خطر ریزش بسیار مهم است. تصمیم گیری برای اقداماتی جهت ارائه خدمات خاص به مشتریان و شخصی سازی به طور معمول به مدیران منتهی می شود که آن ها تنها می توانند بر دانش خود تکیه کنند. با بررسی ادبیات علمی دربارهCRM ، این تحقیق مدلی را که می تواند برای تولید فعالیت های حفظ مشتری و بازاریابی در بانکداری شخصی استفاده شود، ارائه می دهد که شامل بررسی تحلیلی مشتریان و تولید اقداماتی در راستای نگهداری آن هاست و در آن تحلیلگران همچنین مجموعه ای از اقدامات شخصی سازی شده را برای حفظ مشتریان با استفاده از یکی از رویکردهای ارائه شده در این مقاله، با استفاده از یک سیستم توصیه گر با بهره گیری از عقاید و تجارب مشتریان ارائه خوهند داد.
کلیدواژه ها:
نویسندگان
مهرگان قباخلو
دانشجوی دکتری مدیریت فناوری اطلاعات ( کسب و کار هوشمند)، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
علی رجب زاده قطری
دانشیار گروه مدیریت صنعتی، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، تهران، ایران
عباس طلوعی اشلقی
استاد گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
محمود البرزی
دانشیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، 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 :