ارائه راهکاری مبتنی بر خوشهبندی و روش RFM توسعه یافته جهت ارزیابی میزان وفاداری مشتریان در سیستم بانکداری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 891

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_066

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

شناخت مشتریان وفادار و همچنین شناخت نیازهای مشتریان عامل موثری درکسب برتری درارایه خدمات به مشتری است حفظ این گونه مشتریان دربلندمدت نسبت به جذب مشتریان جدید برای جایگزینی مشتریانی که بابانک قطع رابطه کرده اند سودمندتر است دراین مقاله ما یک فاکتور جدید به نام طول ارتباط مشتری با بانک را به مدل RFM کلاسیک اضافه می کنیم و با بهره گیری ازتکنیکهای خوشه بندی فازی و شبکه عصبی مصنوعی تلاش می کنیم نتایج مطلوبتری را نسبت به حالت کلاسیک بدست آوریم نتایج شبیه سازی برروی یک مثال واقعی نشان میدهد عملکرد رویکرد ما بهتر بوده است

نویسندگان

شمیسه نقی ملکشاهی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی پردیس تحصیلات تکمیلی علوم و تحقیقات ایلام، گروه تخصصی کامپیوتر، ایلام،ایران

علی هارون آبادی

استادیار، دانشگاه آزاد اسلامی پردیس تحصیلات تکمیلی علوم و تحقیقات ایلام، گروه تخصصی کامپیوتر، ایلام، ایران

سیدجواد میرعابدینی

استادیار، دانشگاه آزاد اسلامی پردیس تحصیلات تکمیلی علوم و تحقیقات تهران مرکز، گروه تخصصی کامپیوتر، 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 :
  • Eppler M.J. Year. Making knowledge visible through intranet knowledge maps: ...
  • Alhaji A-A, Tasmin R, Josu T, Online Banking and Customer ...
  • Gheorghe G, Florina S, An assessment of the renewable energy ...
  • Bose I, Chen X, Detecting the migration of mobile service ...
  • Rahmati Torkashvand R, Asgar Ch, Jafarzadeh H, Combining Apriori algorithm ...
  • Hu Y-H, Yeh T-W, Discovering valuable frequent patterns based on ...
  • Erkaymaz O, 6zer M, Yumusak N, Performance Analysis of A ...
  • Chen Hsieh N, Chung Chu K, Enhancing Consumer Behavior Analysis ...
  • Nagendra K.V, Rajendra C, Customer behaviour Analysis using CBA ...
  • (Data Mining Approach), National Conference On Research Trends in Computer ...
  • Rad A., Naderi B, Ghobadizadeh _ Clustering and ranking university ...
  • Cheng C-H, Chen Y-Sh, Classifying the segmentation of customer value ...
  • Jim Z.C, Tsung-Jen H, Yi-Ching L, A fast k-means clustering ...
  • Alok K, Srivastava M, The Antecedents of Customer Loyalty: An ...
  • Context, Journal of Competitivene SS, Vol. 5, Issue 2, pp. ...
  • Farajian M-A, Mohammadi Sh, Mining the Banking Customer Behavior Using ...
  • نمایش کامل مراجع