ارائه مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی بر روی داده های واقعی

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 382 کیلوبایت 
تعداد صفحات فایل: 55 

هدف از این سمینار ارائه مدلی برای مدیریت دانش مشتریان بانک مهر اقتصاد با داده ‌کاوی بر روی داده های واقعی می باشد

قیمت فایل فقط 38,000 تومان

دانلود سمینار پایان نامه کارشناسی ارشد در رشته فناوری اطلاعات

ارائه مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی بر روی داده های واقعی

چکیده

در این سمینار روش پیشنهادی و مؤلفه های آن به همراه مدل های مورد استفاده بیان خواهند شد. در ادامه جزئیات مربوط به گام‌های اصلی بیان شده و فرایندهای داخلی آن ها معرفی و روش پیشنهادی بر روی داده‌های واقعی مربوط به مشتریان بانک اقتصاد مهر شعب استان مازندران اعمال می گردد. 

در سمینار پیش رو چارچوب کلی روش پیشنهادی تشریح می گردد و سعی شده با طرح این چارچوب بر پایه ی گام‌های اساسی، اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج استراتژی‌های متناسب با هر بخش و به‌کارگیری استراتژی ها و دانش حاصل در چرخه مدیریت دانشی سازمان می باشد، حاصل گردد.

در این مسیر برخی روش‌های موجود در زمینه خوشه‌بندی مبتنی بر بخش‌بندی مانند K-Means، WK-Means،  A-Harmonic means و معیارهای ارزیابی و اعتبارسنجی خوشه‌ها همچون شاخص مجموع مربع خطاها و روش Min-Max برای نرمال سازی داده‌ها تشریح خواهند شد.

جایگاه مشتری در فضای رقابتی کسب‌وکار بر کسی پوشیده نیست. به ویژه در نظام بانکی مشتری، نقش بسیار مؤثری در مسیر نیل به اهداف سازمان ایفا می کند.  این نقش در بانک های خصوصی بسیار مورد توجه قرار گرفته و این بانک ها مطالعات و فعالیت‌های ویژه ای را در این زمینه اختصاص داده اند. در این تحقیق سعی شده تا با استفاده از روش‌های داده‌کاوی دانش نهفته در اطلاعات موجود در پایگاه داده‌های حاصل از تعاملات بانک و مشتری را استخراج نموده و از آن در جهت اخذ راهبُردهای مدیریت ارتباط با مشتری بهره گیری نماییم.

در سمینار چارچوب کلی روش پیشنهادی و الگوریتم‌های انتخابی برای پیاده سازی گام‌های این روش تشریح گردید.در این ادامه بر طبق چارچوب ارائه شده در فصل قبل، سعی شده تا با اعمال الگوریتم ها بر روی پایگاه داده‌های مشتریان بانک مهر اقتصاد، در جهت حصول اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج راهبُردهای متناسب با هر بخش و به‌کارگیری راهبُردها و دانش حاصل در چرخه مدیریت دانشی سازمان می باشد، گام برداریم.در این تحقیق روش Min-Max برای نرمال سازی داده‌ها، روش‌های K-Means، WK-Means،  A-Harmonic means جهت خوشه‌بندی داده‌ها و شاخص مجموع مربع خطاها برای ارزیابی و اعتبارسنجی خوشه‌ها به کار گرفته خواهند شد.مورد مطالعه در این تحقیق مشتریان بانک مهر اقتصاد می-باشند.

کلمات کلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

فهرست مطالب

3-1- مقدمه

3-2- روش پیشنهادی

3-2-1- چارچوب تحقیق

3-2-2- انتخاب متغیرها

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها

3-2-3-1- نرمال سازی داده‌ها

3-2-4- تعیین تعداد بهینه خوشه‌ها

3-2-5- خوشه‌بندی

3-2-5-1- انواع خوشه‌بندی

3-2-5-2- خوشه‌بندی به روش K-Means

3-2-5-1-1- مزایای استفاده از الگوریتم خوشه‌بندی K-Means

3-2-5-1-2-  محدودیت‌های الگوریتم K-Means

3-2-5-2- خوشه‌بندی به روش WK-Means

3-2-5-3- خوشه‌بندی به روش A-H-Means

3-2-6- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی

3-3- روش‌های جمع آوری اطلاعات

3-4- جمع‌بندی مطالب فصل

4-1- مقدمه

4-2- معرفی بانک مهر اقتصاد

4-3- موضوع و فعالیت بانک

4-4- محاسبات تحقیق

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها

4-4-3-گام تعیین تعداد بهینه خوشه‌ها

4-4-4- گام خوشه‌بندی داده‌ها

4-4-4-1- خوشه‌بندی به روش K-Means

4-4-4-2- خوشه‌بندی به روش WK-Means 1

4-4-4-3- خوشه‌بندی به روش A-H-Means 1

4-4-5- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی

4-5- نتایج تحقیق

4-6- جمع‌بندی مطالب فصل

منابع و مآخذ

فهرست جدول‌ها

جدول 3-1 متغیرهای تحقیق 80

جدول 4-1 نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد 95

جدول 4-2 متغیرهای نرمال شده 96

جدول 4-3 وزن نسبی متغیرهای تحقیق 100

جدول 4-5 مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی 101

جدول 4-6 دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه 103

جدول 4-7 اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K-Means 104

فهرست تصاویر و نمودارها

شکل 3-1 چارچوب تحقیق 78

شکل 4-1 خوشه اول، الگوریتم K-Means 98

شکل 4-2 خوشه دوم، الگوریتم K-Means 98

شکل 4-3 خوشه سوم، الگوریتم K-Means 99

شکل 4-4 خوشه چهارم، الگوریتم K-Means 99

شکل 4-5 خوشه پنجم، الگوریتم K-Means 99

قیمت فایل فقط 38,000 تومان

برچسب ها : ارائه مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی بر روی داده های واقعی , داده کاوی در مدیریت دانش مشتریان بانک , مدلی برای مدیریت دانش مشتریان بانک با داده ‌کاوی , مدیریت دانش مشتریان بانک با تکنیکهای داده کاوی ,مدیریت دانش مشتریان بانک با روشهای داده‌کاوی , سمینار مدیریت دانش مشتریان بانک , سمینار مدیریت دانش مشتریان بانک با داده ‌کاوی , سمینار مدیریت دانش مشتری

مبانی نظری بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 711 کیلوبایت 
تعداد صفحات فایل: 102 

هدف از این مبانی نظری بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک مهر اقتصاد می باشد

قیمت فایل فقط 49,000 تومان

دانلود مبانی نظری پایان نامه کارشناسی ارشد در رشته فناوری اطلاعات

بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک

چکیده

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل گران سازمان ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می تواند سازمان ها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره گیری از فناوری های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک ها باعث بر جای ماندن حجم عظیمی از داده ها گشته که تحلیل و تصمیم-گیری بر اساس آن ها با روش های معمول گزارش گیری و روش-های آماری امکان پذیر نمی باشد. داده کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ها به جهت استخراج دانش مشتری پیشنهاد می گردد.

هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می  باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.

کلمات کلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

 مقدمه

در سال های اخیر دانش  به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یک دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری  مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با استفاده از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی  زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می آورد.

از سوی دیگر در عصر حاضر بهره گیری از فناوری های نوین اطلاعات و ارتباطات در عرصه های مختلف کسب وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری های روز دنیا در این صنعت می تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره گیری از بروزترین فناوری ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری ، دستگاه های خودپرداز، کارت های اعتباری، پایانه های خرید الکترونیک و... از مصادیق این امر می باشد.

ورود فناوری های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می-باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره گیری از آن ها را به امری چالش‌برانگیز مبدل ساخته است.

 چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع تر با نتایج دقیق تر و درصد خطای پایین تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می شود، به عنوان منبعی مهم برای سازمان شناخته می شود و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره گیری می شود.

فهرست مطالب

فصل دوم 12

2-1- مقدمه 13

2-2- مدیریت دانش 14

2-2-1- دانش چیست؟ 15

2-2-2- هرم دانش 15

2-2-3- انواع دانش 16

2-2-3-1- دانش صریح 16

2-2-3-2- دانش ضمنی 16

2-2-4- مدیریت دانش چیست؟ 17

2-2-5- استراتژی‌های مدیریت دانش 18

2-2-5-1- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) 19

2-2-5- 2- استراتژی برونی سازی (پنهان به آشکار) 19

2-2-5- 3- استراتژی ترکیب سازی (آشکار به آشکار) 20

2-2-5- 4- استراتژی درونیسازی (آشکار به پنهان) 20

2-2-6-معایب عدم بهرهگیری از دانش در سازمان 20

2-2-7- اهداف مدیریت دانش 21

2-2-8- مدل های مدیریت دانش 21

2-3- مدیریت دانش مشتری 23

2-3-1- انواع دانش مشتری 24

2-3-2- مدل مدیریت دانش مشتری 28

2-4- مدیریت ارتباط با مشتری 29

2-4-1- مدیریت ارتباط مشتریان در نظام بانکی 32

2-4-2- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها 33

2-5- مقایسه مفاهیم CKM و KM و CRM 34

2-6- تاریخچه‌ای از بانک و بانکداری 37

2-7-  سیر تحول فناوری اطلاعات در صنعت بانکداری 38

2-7-1 دوره اول: اتوماسیون پشت باجه 38

2-7-2- دوره دوم: اتوماسیون جلوی باجه 38

2-7-3- دوره سوم: اتصال مشتریان به حساب‌هایشان 38

2-7-4- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط کردن مشتریان با تمامی عملیات بانکی 39

2-7-5- بانکداری الکترونیک 39

2-8- داده‌کاوی 40

2-8-1- مقایسه روش‌های آماری و داده‌کاوی 40

2-8-2- مفهوم داده‌کاوی 42

2-8-3- داده‌کاوی و کشف دانش 44

2-8-4- فرایند داده‌کاوی 45

2-8-5- معرفی روش‌های داده‌کاوی 51

2-8-5-1- دسته‌بندی 53

2-8-5-2- درخت تصمیم 53

2-8-5-3- شبکه‌های عصبی 55

2-8-5-4- پیش بینی 56

2-8-5-5- خوشه‌بندی 56

2-8-5-5- انواع خوشه‌بندی 57

2-8-5-5-2- معیارهای ارزیابی در خوشه‌بندی 59

2-8-5-6- تحلیل انحراف 60

2-8-5-7- قواعد وابستگی (انجمنی) 61

2-8-5-8- تحلیل توالی 61

2-8-6- نرم‌افزار داده‌کاوی 62

2-8-7- کاربردهای داده‌کاوی 63

2-8-7-1- داده‌کاوی در صنعت بانکداری 63

2-9- پیشینه تحقیق 65

2-9-1- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری 66

2-9-2- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان 68

2-9-3- کاربرد داده‌کاوی در زمینه کشف تقلب 69

2-9-4- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری 69

2-10- جمع‌بندی مطالب فصل 74

منابع و مآخذ

فهرست جدول‌ها

جدول 2-1 انواع مختلف تبدیلات دانش 19

جدول 2-2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری 35

جدول 2-3 مقایسه روش‌های تحلیل آماری و داده‌کاوی 41

جدول 2-4 فعالیت‌های مربوط به فازهای CRISP-DM و خروجی هر فعالیت 50

جدول 2-5 نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی 54

جدول 2-6 معیارهای محاسبه شباهت در خوشه‌بندی 59

جدول 2-7 معیارهای محاسبه فاصله در خوشه‌بندی 60

جدول 2-8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری 71

فهرست تصاویر و نمودارها

شکل 2-1 سلسله‌مراتب دانش 16

شکل 2-2 دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد. 17

شکل 2-3 مدل مدیریت دانش پروبست و رمهارد 22

شکل 2-4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری 26

شکل 2-5 مدل مدیریت دانش مشتری 28

شکل 2-7 گام‌های فرایند تولید دانش از پایگاه داده‌ها 44

شکل 2-8 متدولوژی فرآیند استاندارد میان صنعتی داده‌کاوی (CRISP-DM) 47

شکل 2-9 دسته‌بندی کلی عملکردهای داده‌کاوی 52

شکل 2-11 نیروهای رقابتی پورتر 64

قیمت فایل فقط 49,000 تومان

برچسب ها : مبانی نظری بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان , داده کاوی در مدیریت دانش مشتریان بانک, مدیریت دانش مشتریان بانک با داده ‌کاوی , مدیریت دانش مشتریان بانک با تکنیکهای داده‌کاوی , مدیریت دانش مشتریان بانک با روشهای داده‌کاوی , مبانی نظری مدیریت دانش مشتریان بانک , مبانی نظری مدیریت دانش مشتریان بانک با داده ‌کاوی , مبانی نظری مدیریت دانش مشتری , مبانی نظری داده کاوی

بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 1103 کیلوبایت 
تعداد صفحات فایل: 165 

هدف از این پایان نامه بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان بانک مهر اقتصاد می باشد

قیمت فایل فقط 149,000 تومان

دانلود پایان نامه کارشناسی ارشد در رشته فناوری اطلاعات

بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان

چکیده

افزایش روزافزون سطح رقابت در بازار، مدیران و تحلیل گران سازمان ها را وادار ساخته به دنبال راهکارهایی باشند که مزیت رقابتی را برای سازمان به ارمغان آورند. بر اساس مطالعات موجود، استفاده از دانش مشتری جهت اتخاذ استراتژی‌های لازم برای جلب رضایت مشتری می تواند سازمان ها را به سمت تحقق این هدف سوق دهد. از سوی دیگر گسترش بهره گیری از فناوری های بروز در زمینه اطلاعات و ارتباطات خصوصاً در بانک ها باعث بر جای ماندن حجم عظیمی از داده ها گشته که تحلیل و تصمیم-گیری بر اساس آن ها با روش های معمول گزارش گیری و روش-های آماری امکان پذیر نمی باشد. داده کاوی ابزار بروز و قدرتمندی است که در این پایان نامه جهت تحلیل داده ها به جهت استخراج دانش مشتری پیشنهاد می گردد.

هدف از این تحقیق با عنوان «مدیریت دانش مشتریان بانک مهر اقتصاد با استفاده از تکنیک های داده‌کاوی»، بخش‌بندی مشتریان بانک مهر اقتصاد، باهدف کشف ویژگی‌های رفتاری مشابه، برای کمک به مدیران این بانک جهت تسهیل اتخاذ استراتژی‌های متناسب با هر بخش و در نتیجه حفظ، تقویت و یا توسعه ارتباط با مشتریان و نهایتاً سودآوری برای این بانک می  باشد. داده‌های خام مورد نیاز جهت این مطالعه از پایگاه داده‌های بانک مهر اقتصاد استخراج شده است.

کلمات کلیدی :

داده کاوی

کشف دانش

مدیریت دانش مشتری

خوشه بندی مشتریان

 مقدمه

در سال های اخیر دانش  به عنوان منبعی ارزشمند در کنار منابعی چون کار، زمین، سرمایه قرار گرفت و به عنوان موتور تولیدکننده درآمد و یک دارایی مهم و راهبُردی برای سازمان شناخته شد. از طرفی به دلیل وجود رقابت شدید در بین کسب و کارهای امروزی از جمله صنعت بانکداری، مشتری و توجه به جایگاه او و ارتباط با او اهمیت ویژه ای یافته است. بنابراین مبحث بسیار مهم مدیریت دانش مشتری  مطرح گردید که امروزه مطالعات بسیار زیادی را به خود اختصاص داده است. مدیریت دانش مشتری با استفاده از راهکارهای مختلف مدیریت دانش نظیر روش‌های داده‌کاوی  زمینه بسیار خوبی را جهت استفاده مفید از گنجینه گران‌بهای دانش مشتری فراهم می آورد.

از سوی دیگر در عصر حاضر بهره گیری از فناوری های نوین اطلاعات و ارتباطات در عرصه های مختلف کسب وکار به امری گریزناپذیر مبدل گشته است. به طور خاص صنعت بانکداری از جمله صنایعی است که به‌کارگیری فناوری های روز دنیا در این صنعت می تواند مزیت رقابتی انکارناپذیری را برای آن ایجاد نماید. بنابراین این صنعت نیز از بهره گیری از بروزترین فناوری ها مستثنا نبوده و مواردی مانند بانکداری الکترونیک، سیستم‌های یکپارچه بانکداری ، دستگاه های خودپرداز، کارت های اعتباری، پایانه های خرید الکترونیک و... از مصادیق این امر می باشد.

ورود فناوری های جدید به سازمان سبب افزایش چشمگیر سرعت تولید اطلاعات و در نتیجه بر جای ماندن حجم عظیمی از داده‌ها گشته است. از آنجا که این داده‌ها اغلب حجیم و وسیع می-باشند، معمولاً به صورت خام قابل‌استفاده نیستند، بلکه دانش موجود در آن ها باید استخراج گردد. با این وجود که ارزش این داده‌ها بر کسی پوشیده نیست، حجم بسیار بالای داده‌های ارزشمند موجود، تحلیل و بهره گیری از آن ها را به امری چالش‌برانگیز مبدل ساخته است.

 چرا که تحلیل به واسطه روش‌های گزارش گیری سنتی در این مقیاس امکان پذیر نیست و روش‌های آماری موجود نیز از ظرفیت کافی جهت تحلیل این داده‌ها برخوردار نمی باشند. بنابراین باید به دنبال راهکاری بود که با غلبه بر این محدودیت، امکان انجام مطالعاتی جامع تر با نتایج دقیق تر و درصد خطای پایین تر را ممکن سازد. این مسئله گواهی بر لزوم به‌کارگیری روش‌های نوین تحلیل داده‌ها جهت حصول دانش، نظیر روش داده‌کاوی خواهد بود.دانش قابل توجهی که در زمان استفاده از خدمت یا مصرف کالا توسط مشتری، بین مشتری و سازمان تبادل می شود، به عنوان منبعی مهم برای سازمان شناخته می شود و کسب و بهره برداری از آن به یک مزیت رقابتی در سازمان ها تبدیل شده است.مدیریت دانش مشتری دربردارنده فرایندهایی ست که با شناسایی و اکتساب اطلاعات مشتری و نیز ایجاد و بهره برداری از دانش مشتریان، مربوط است [9]. چنین اطلاعاتی در ماورای محدوده های خارجی سازمان قرار دارند و دانشی که از آن ها استخراج می شود موجب ایجاد ارزش برای سازمان و مشتریان آن خواهد شد [32]. در این تحقیق مسئولیت کشف دانش بر عهده الگوریتم‌های داده‌کاوی خواهد بود. در ادامه از این دانش به عنوان راهنما در مسیر اتخاذ استراتژی‌های سازمان، بهره گیری می شود.

فهرست مطالب

فصل اول 1

1-1- مقدمه 2

1-2- تعریف مسئله 3

1-3- ضرورت انجام تحقیق 7

1-4- مراحل انجام تحقیق 8

1-5- محدوده تحقیق 9

1-6- اهداف تحقیق 9

1-7- ساختار پایان‌نامه 10

فصل دوم 12

2-1- مقدمه 13

2-2- مدیریت دانش 14

2-2-1- دانش چیست؟ 15

2-2-2- هرم دانش 15

2-2-3- انواع دانش 16

2-2-3-1- دانش صریح 16

2-2-3-2- دانش ضمنی 16

2-2-4- مدیریت دانش چیست؟ 17

2-2-5- استراتژی‌های مدیریت دانش 18

2-2-5-1- استراتژی اجتماعی سازی (تبدیل دانش پنهان به پنهان) 19

2-2-5- 2- استراتژی برونی سازی (پنهان به آشکار) 19

2-2-5- 3- استراتژی ترکیب سازی (آشکار به آشکار) 20

2-2-5- 4- استراتژی درونیسازی (آشکار به پنهان) 20

2-2-6-معایب عدم بهرهگیری از دانش در سازمان 20

2-2-7- اهداف مدیریت دانش 21

2-2-8- مدل های مدیریت دانش 21

2-3- مدیریت دانش مشتری 23

2-3-1- انواع دانش مشتری 24

2-3-2- مدل مدیریت دانش مشتری 28

2-4- مدیریت ارتباط با مشتری 29

2-4-1- مدیریت ارتباط مشتریان در نظام بانکی 32

2-4-2- مدیریت ارتباط با مشتری: اهداف، مزایا و چالش‌ها 33

2-5- مقایسه مفاهیم CKM و KM و CRM 34

2-6- تاریخچه‌ای از بانک و بانکداری 37

2-7-  سیر تحول فناوری اطلاعات در صنعت بانکداری 38

2-7-1 دوره اول: اتوماسیون پشت باجه 38

2-7-2- دوره دوم: اتوماسیون جلوی باجه 38

2-7-3- دوره سوم: اتصال مشتریان به حساب‌هایشان 38

2-7-4- دوره چهارم: یکپارچه‌سازی سیستم‌ها و مرتبط کردن مشتریان با تمامی عملیات بانکی 39

2-7-5- بانکداری الکترونیک 39

2-8- داده‌کاوی 40

2-8-1- مقایسه روش‌های آماری و داده‌کاوی 40

2-8-2- مفهوم داده‌کاوی 42

2-8-3- داده‌کاوی و کشف دانش 44

2-8-4- فرایند داده‌کاوی 45

2-8-5- معرفی روش‌های داده‌کاوی 51

2-8-5-1- دسته‌بندی 53

2-8-5-2- درخت تصمیم 53

2-8-5-3- شبکه‌های عصبی 55

2-8-5-4- پیش بینی 56

2-8-5-5- خوشه‌بندی 56

2-8-5-5- انواع خوشه‌بندی 57

2-8-5-5-2- معیارهای ارزیابی در خوشه‌بندی 59

2-8-5-6- تحلیل انحراف 60

2-8-5-7- قواعد وابستگی (انجمنی) 61

2-8-5-8- تحلیل توالی 61

2-8-6- نرم‌افزار داده‌کاوی 62

2-8-7- کاربردهای داده‌کاوی 63

2-8-7-1- داده‌کاوی در صنعت بانکداری 63

2-9- پیشینه تحقیق 65

2-9-1- کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری 66

2-9-2- کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان 68

2-9-3- کاربرد داده‌کاوی در زمینه کشف تقلب 69

2-9-4- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری 69

2-10- جمع‌بندی مطالب فصل 74

فصل سوم 76

3-1- مقدمه 77

3-2- روش پیشنهادی 77

3-2-1- چارچوب تحقیق 77

3-2-2- انتخاب متغیرها 79

3-2-3- آماده‌سازی و پیش‌پردازش داده‌ها 80

3-2-3-1- نرمال سازی داده‌ها 81

3-2-4- تعیین تعداد بهینه خوشه‌ها 81

3-2-5- خوشه‌بندی 82

3-2-5-1- انواع خوشه‌بندی 83

3-2-5-2- خوشه‌بندی به روش K-Means 84

3-2-5-1-1- مزایای استفاده از الگوریتم خوشه‌بندی K-Means 85

3-2-5-1-2-  محدودیت‌های الگوریتم K-Means 85

3-2-5-2- خوشه‌بندی به روش WK-Means 86

3-2-5-3- خوشه‌بندی به روش A-H-Means 87

3-2-6- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش 88

3-2-7- به‌کارگیری دانش حاصل از خوشه‌بندی 90

3-3- روش‌های جمع آوری اطلاعات 90

3-4- جمع‌بندی مطالب فصل 90

فصل چهارم 92

4-1- مقدمه 93

4-2- معرفی بانک مهر اقتصاد 93

4-3- موضوع و فعالیت بانک 94

4-4- محاسبات تحقیق 94

4-4-1- گام انتخاب و جمع آوری متغیرهای ورودی 95

4-4-2- گام آماده‌سازی و پیش‌پردازش داده‌ها 96

4-4-3-گام تعیین تعداد بهینه خوشه‌ها 97

4-4-4- گام خوشه‌بندی داده‌ها 97

4-4-4-1- خوشه‌بندی به روش K-Means 98

4-4-4-2- خوشه‌بندی به روش WK-Means 100

4-4-4-3- خوشه‌بندی به روش A-H-Means 100

4-4-5- ارزیابی خوشه‌ها به روش  مجموع مربع خطاها و انتخاب بهترین روش 101

4-4-6-گام به‌کارگیری دانش حاصل از خوشه‌بندی 102

4-5- نتایج تحقیق 104

4-6- جمع‌بندی مطالب فصل 106

فصل پنجم 107

5-1- مقدمه 108

5-2- خلاصه تحقیق 108

5-3- نتیجه‌گیری 109

5-4- زمینه‌های پیشنهادی، راهکارها و پیشنهاد‌ات جهت پژوهش‌های آتی 110

منابع و مآخذ 126

فهرست جدول‌ها

جدول 2-1 انواع مختلف تبدیلات دانش 19

جدول 2-2 مقایسه مفاهیم مدیریت دانش، مدیریت ارتباط با مشتری و مدیریت دانش مشتری 35

جدول 2-3 مقایسه روش‌های تحلیل آماری و داده‌کاوی 41

جدول 2-4 فعالیت‌های مربوط به فازهای CRISP-DM و خروجی هر فعالیت 50

جدول 2-5 نمونه داده‌های مورد نیاز در یک مسئله مدل‌سازی به روش دسته‌بندی 54

جدول 2-6 معیارهای محاسبه شباهت در خوشه‌بندی 59

جدول 2-7 معیارهای محاسبه فاصله در خوشه‌بندی 60

جدول 2-8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری 71

جدول 3-1 متغیرهای تحقیق 80

جدول 4-1 نمونه ده‌تایی از داده‌های مربوط به مشتریان بانک مهر اقتصاد 95

جدول 4-2 متغیرهای نرمال شده 96

جدول 4-3 وزن نسبی متغیرهای تحقیق 100

جدول 4-5 مقادیر مجموع مربع خطاها در الگوریتم‌های مختلف خوشه‌بندی 101

جدول 4-6 دسته‌بندی مشتریان بر مبنای ویژگی‌های رفتاری مشابه 103

جدول 4-7 اطلاعات مربوط به خوشه‌بندی مشتریان بانک مهر اقتصاد به روش K-Means 104

فهرست تصاویر و نمودارها

شکل 2-1 سلسله‌مراتب دانش 16

شکل 2-2 دانش صریح فقط بخش کوچکی از دانش را تشکیل می‌دهد. 17

شکل 2-3 مدل مدیریت دانش پروبست و رمهارد 22

شکل 2-4 چارچوب خوشه انگور جهت نوع شناسی دانش مشتری 26

شکل 2-5 مدل مدیریت دانش مشتری 28

شکل 2-7 گام‌های فرایند تولید دانش از پایگاه داده‌ها 44

شکل 2-8 متدولوژی فرآیند استاندارد میان صنعتی داده‌کاوی (CRISP-DM) 47

شکل 2-9 دسته‌بندی کلی عملکردهای داده‌کاوی 52

شکل 2-11 نیروهای رقابتی پورتر 64

شکل 3-1 چارچوب تحقیق 78

شکل 4-1 خوشه اول، الگوریتم K-Means 98

شکل 4-2 خوشه دوم، الگوریتم K-Means 98

شکل 4-3 خوشه سوم، الگوریتم K-Means 99

شکل 4-4 خوشه چهارم، الگوریتم K-Means 99

شکل 4-5 خوشه پنجم، الگوریتم K-Means 99

قیمت فایل فقط 149,000 تومان

برچسب ها : بکارگیری روشهای داده کاوی جهت مدیریت دانش مشتریان , داده کاوی در مدیریت دانش مشتریان بانک , مدیریت دانش مشتریان بانک با داده ‌کاوی , مدیریت دانش مشتریان بانک با تکنیکهای داده کاوی , مدیریت دانش مشتریان بانک با روشهای داده کاوی , پایان نامه مدیریت دانش مشتریان بانک , پایان نامه مدیریت دانش مشتری , دانلود پایان نامه ارشدداده کاوی , دانلود پایان نامه داده کاوی

پروپوزال پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 74 کیلوبایت 
تعداد صفحات فایل: 58 

هدف از این پروپوزال پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی می باشد

قیمت فایل فقط 25,000 تومان

دانلود پروپوزال پایان نامه کارشناسی ارشد رشته فناوری اطلاعات

پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی1 می باشد.با استفاده از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

فهرست مطالب:

فصل اول: مقدمه و کلیات تحقیق

  1-1: مقدمه .......................................................................................................... 2

  1-2: بیان مسئله .................................................................................................. 3

 1-3: هدف تحقیق ................................................................................................ 4

1-4: اهمیت تحقیق ............................................................................................... 6

1-5: ساختار تحقیق .............................................................................................. 7

فصل سوم: روش شناسی تحقیق

3-1: مقدمه ......................................................................................................... 40

3-2: اطلاعات مجموعه داده ها و آماده سازی داده ................................................ 42

3-3: تعیین ارزش مشتری ................................................................................... 44

3-4: استفاده از تکنیک های داده کاوی ............................................................... 48

3-5: رهیافتی برای شخصی سازی تبلیغات .......................................................... 56

3-6: روش ارزیابی ............................................................................................. 59

منابع ................................................................................................................ 

فهرست شکل ها:

شکل 3-1 : فرایند شخصی سازی تبلیغات توسط داده کاوی ................................................... 41

شکل 3-2 : قالب کاری سیستم ارائه تبلیغ در سایت .................................................................. 58 

فهرست جدول ها:

جدول 3-1 : مشخصات کالاهای موجود ........................................................................................ 43 

جدول 3-2 : ارزش گذاری معیار Recency ................................................................................ 46 

جدول 3-3 : ارزش گذاری معیار Monetary ............................................................................ 47

جدول 3-4 : مثال نحوه تخصیص RFM ........................................................................................ 48

قیمت فایل فقط 25,000 تومان

برچسب ها : پروپوزال پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی , شخصی سازی تبلیغات اینترنتی ,شخصی سازی تبلیغات شرکتها , شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , مدلی برای شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , بکارگیری روشهای داده کاوی در شخصی سازی تبلیغات الکترونیکی , پروپوزال شخصی سازی تبلیغات الکترونیکی , نمونه پروپوزال داده کاوی , پروپوزال شخصی سازی تبلیغات الکترونیکی با داده کاوی

مبانی نظری پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 100 کیلوبایت 
تعداد صفحات فایل: 60 

هدف از این مبانی نظری پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی می باشد

قیمت فایل فقط 35,000 تومان

دانلود مبانی نظری پایان نامه کارشناسی ارشد رشته فناوری اطلاعات

پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی1 می باشد.با استفاده از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

فهرست مطالب:

فصل دوم: پیشینه  و مفاهیم تحقیق

2-1: مبانی نظری................................................................................................... 10  

2-1-1: مدیریت ارتباط با مشتری................................................................ 10

2-1-1-1: تعریف مدیریت ارتباط با مشتری ................................................... 10

2-1-1-2: تبلیغات اینترنتی ..................................................................... 13

2-1-2: داده کاوی ................................................................................................ 15

2-1-2-1: تعریف داده کاوی ................................................................................. 15

2-1-2-2: خوشه بندی ........................................................................................ 18

2-1-2-3: قوانین وابستگی ................................................................................. 25

2-1-3: شیوه تاخر، تناوب و مالی ......................................................................... 31

2-2: پیشینه تحقیقاتی ...................................................................................... 33

منابع ................................................................................................................ 131

فهرست جدول ها:

جدول 2-1 : مثال تراکنش های خرید ........................................................................................... 26

جدول 2-2 : مثال معیاردهی RFM ............................................................................................... 33

قیمت فایل فقط 35,000 تومان

برچسب ها : مبانی نظری پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی , شخصی سازی تبلیغات الکترونیکی , شخصی سازی تبلیغات شرکتها , شخصی سازی تبلیغات اینترنتی با تکنیک داده کاوی , مدلی برای شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , بکارگیری روشهای داده کاوی در شخصی سازی تبلیغات الکترونیکی , مبانی نظری شخصی سازی تبلیغات الکترونیکی , مبانی نظری شخصی سازی تبلیغات الکترونیکی با داده کاوی , مبانی نظری داده کاوی

پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

دسته: رشته فناوری اطلاعات (IT) 
فرمت فایل: doc 
حجم فایل: 195 کیلوبایت 
تعداد صفحات فایل: 158 

هدف از این پایان نامه ارائه تبلیغ اینترنتی به مشتری با استفاده از تکنیک های داده کاوی بر حسب علایق و سلیقه او می باشد

قیمت فایل فقط 145,000 تومان

دانلود پایان نامه کارشناسی ارشد رشته فناوری اطلاعات

پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی

چکیده :

به دلیل بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری را هرچه بیشتر بهبود بخشند تا بتوانند مشتریان فعلی را حفظ و دیگر مشتریان را هم جذب کنند.به همین خاطر است که شرکت هایی که کالاهای خود را بصورت اینترنتی به فروش می رسانند به دنبال این هستند تا تبلیغات کالاهایشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی کنند.

برای شخصی سازی تبلیغات شرکت ها باید اطلاعاتی در مورد رفتار خرید پیشین مشتریانشان کسب کنند و بعد از آن این اطلاعات را تجزیه و تحلیل کنند تا بتوانند رفتار خرید آتی مشتریان را پیش بینی کنند. تکنیک داده کاوی ابزاری است که می تواند به شرکت ها کمک کند تا بتوانند اطلاعات رفتار خریدهای پیشین مشتری را تجزیه و تحلیل کرده و قوانینی را استنتاج کنند که برای پیش بینی رفتار خرید آتی مشتری مفید باشند و بر طبق آن بتوانند راهبردهای شخصی سازی تبلیغات برای مشتریان را برپا کنند.

ما در تحقیق خود از داده های جمع آوری شده از مشتری، که رفتار خریدهای پیشین مشتری هستند، استفاده کرده و با بکارگیری روش تاخر، تناوب و مالی ارزش مشتریان را برای شرکت مشخص کردیم.سپس برای خوشه بندی مشتریان بر اساس ارزش آنها، بصورت موازی از الگوریتم خوشه بندی K-Means و K-Harmonic Means استفاده کردیم سپس از الگوریتم استقرایی که یکی از الگوریتم های کشف قوانین وابستگی است استفاده کردیم و تکنیک قوانین وابستگی را بر روی داده های مربوط به هر یک از خوشه هایی که توسط K-Means مشخص شده اند بکار گرفتیم. با استفاده از قوانین بدست آمده از هر خوشه راهبردهای شخصی سازی تبلیغات برای هر خوشه از مشتریان را مشخص کردیم. برای هر مشتری علاوه بر قوانین مربوط به خوشه اصلی که به آن تعلق دارد از قوانین خوشه های دیگری که درجه تعلق مناسبی نسبت به آنها دارد نیز برای تعیین راهبردهای شخصی سازی تبلیغات استفاده کردیم تا بدین ترتیب تعداد تبلیغات پیشنهادی که مطابق با علایق مشتری است را بیشتر کنیم.

کلمات کلیدی:

تکنیک های داده کاوی

ارائه تبلیغ اینترنتی به مشتری

خوشه بندی مشتریان بر اساس ارزش آنها

مقدمه:

پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی1 می باشد.با استفاده از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

فهرست مطالب:

فصل اول: مقدمه و کلیات تحقیق

  1-1: مقدمه .......................................................................................................... 2

  1-2: بیان مسئله .................................................................................................. 3

 1-3: هدف تحقیق ................................................................................................ 4

1-4: اهمیت تحقیق ............................................................................................... 6

1-5: ساختار تحقیق .............................................................................................. 7

فصل دوم: پیشینه  و مفاهیم تحقیق

2-1: مبانی نظری................................................................................................... 10  

2-1-1: مدیریت ارتباط با مشتری................................................................ 10

2-1-1-1: تعریف مدیریت ارتباط با مشتری ................................................... 10

2-1-1-2: تبلیغات اینترنتی ..................................................................... 13

2-1-2: داده کاوی ................................................................................................ 15

2-1-2-1: تعریف داده کاوی ................................................................................. 15

2-1-2-2: خوشه بندی ........................................................................................ 18

2-1-2-3: قوانین وابستگی ................................................................................. 25

2-1-3: شیوه تاخر، تناوب و مالی ......................................................................... 31

2-2: پیشینه تحقیقاتی ...................................................................................... 33

فصل سوم: روش شناسی تحقیق

3-1: مقدمه ......................................................................................................... 40

3-2: اطلاعات مجموعه داده ها و آماده سازی داده ................................................ 42

3-3: تعیین ارزش مشتری ................................................................................... 44

3-4: استفاده از تکنیک های داده کاوی ............................................................... 48

3-5: رهیافتی برای شخصی سازی تبلیغات .......................................................... 56

3-6: روش ارزیابی ............................................................................................. 59

فصل چهارم : محاسبات و یافته های تحقیق

4-1 : پایگاه داده هدف ........................................................................................ 62

4-2 : آماده سازی مجموعه داده .......................................................................... 63

4-3 : استخراج اطلاعات جهت تعیین معیارهای RFM .......................................... 78

4-4 : داده کاوی ................................................................................................. 82

4-5 : ارائه تبلیغات مناسب به مشتری ................................................................. 117

4-6 : ارزیابی مدل .............................................................................................. 119

فصل پنجم : نتیجه گیری و کار آینده

5-1 : نتیجه گیری .............................................................................................. 126

5-2 : پیشنهادها و کار آینده ............................................................................. 128

منابع ................................................................................................................ 131

فهرست شکل ها:

شکل 3-1 : فرایند شخصی سازی تبلیغات توسط داده کاوی ................................................... 41

شکل 3-2 : قالب کاری سیستم ارائه تبلیغ در سایت .................................................................. 58 

شکل 4-1 : قالب داده های مربوط به خوشه شماره یک در WEKA ..................................... 107

شکل 4-2 : قالب داده های مربوط به خوشه شماره دو در WEKA ....................................... 110 

شکل 4-3 : قالب داده های مربوط به خوشه شماره سه در WEKA ...................................... 114 

فهرست جدول ها:

جدول 2-1 : مثال تراکنش های خرید ........................................................................................... 26

جدول 2-2 : مثال معیاردهی RFM ............................................................................................... 33

جدول 3-1 : مشخصات کالاهای موجود ........................................................................................ 43 

جدول 3-2 : ارزش گذاری معیار Recency ................................................................................ 46 

جدول 3-3 : ارزش گذاری معیار Monetary ............................................................................ 47

جدول 3-4 : مثال نحوه تخصیص RFM ........................................................................................ 48

جدول 4-1 : رکوردهای خرید مشتریان .......................................................................................... 63

جدول 4-2 : تخصیص مقادیر RFM ............................................................................................... 79

جدول 4-3 : شماره خوشه مشتریان در K-means ................................................................... 83

جدول 4-4 : رکوردهای خرید مشتریان پس از ویرایش .............................................................. 92

جدول 4-5 : نتایج پیشنهادها و عرضه تبلیغات کالاها به مشتریان ........................................... 120   

قیمت فایل فقط 145,000 تومان

برچسب ها : پیشنهاد چارچوبی برای شخصی سازی تبلیغات الکترونیکی با داده کاوی , شخصی سازی تبلیغات الکترونیکی ,شخصی سازی تبلیغات شرکتها , شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , مدلی برای شخصی سازی تبلیغات الکترونیکی با تکنیک داده کاوی , شخصی سازی تبلیغات الکترونیکی با داده کاوی , پایان نامه شخصی سازی تبلیغات الکترونیکی ,دانلود پایان نامه ارشدداده کاوی , دانلود پایان نامه داده کاوی