منابع پایان نامه درباره مدیریت دانش، مدیریت ارتباط، مدیریت دانش مشتری

دانلود پایان نامه ارشد

مزایده بوده است که اعتبار فروشنده به عنوان یک عامل مهم در تشخیص تقلب استفاده شده است. در نهایت دقت مدل پیشنهادی 91% محاسبه شده که دقت نسبتاً قابل قبولی میباشد.
2-9-4- کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری118
مسئله حفظ مشتری و افزایش وفاداری او به سازمان از مسائلی است که هسته اصلی بحث ارتباط با مشتری را تشکیل می‌دهد. با تحلیل داده‌های بر جای مانده از مشتریانی که سازمان را ترک نمودهاند، قوانین و الگوهایی حاصل میشود که میتوان به کمک آنها مشتریانی که احتمال میرود در آینده نزدیک سازمان را ترک کنند و به سوی رقیب بروند شناسایی نمود. بدین ترتیب مدیران میتوانند با اخذ تصمیماتی جهت بهبود ارتباط با این‌گونه مشتریان مانع از روی‌گردانی آنان گردند.
در [19] از الگوریتم‌های داده‌کاوی جهت ساخت مدلی به منظور پیشبینی روی‌گردانی مشتریانی که از کارت اعتباری استفاده میکنند استفاده شده است. این تحقیق بر روی پایگاه داده مشتریان یک بانک چینی صورت گرفته و از چهار دسته متغیر اطلاعات مشتری، اطلاعات کارت اعتباری، داده‌های مربوط به ریسک مشتری و اطلاعات مربوط به تراکنشها استفاده شده که در مجموع شامل 135 متغیر میباشد. از بین این متغیرها 95 متغیر با توجه به همبستگی بین آنها برای انجام مراحل بعدی انتخاب شدند. در این تحقیق مشتری روی‌گردان فردی تعریف شده که در طول دوره مشاهده119 دوازده ماهه هیچ تعاملی را با بانک نداشته است. در این تحقیق الگوریتم‌های رگرسیون و درخت تصمیم جهت دسته‌بندی مشتریان انتخاب شده و نتایج تحقیق نشان داد که عملکرد مدلهای رگرسیونی کمی بهتر از عملکرد درختهای تصمیم بوده است. در این تحقیق یک فاصله یک ساله به عنوان دوره ارزیابی عملکرد120 در نظر گرفته شد.
[28] تأکید میکند که روی‌گردانی مشتری در بانکهای چینی مورد تأکید زیادی قرار گرفته است. این بانکها تلاش میکنند با منابع محدودی که در اختیار دارند به حداکثر رضایت مشتریان دست یابند. در این مقاله از یک روش یادگیری جدید به نام جنگلهای تصادفی متوازن بهبود یافته121 (IBRF) جهت تعدیل مشکل بحث برانگیز عدم توازن در توزیع داده‌ها در تحلیل روی‌گردانی مشتری استفاده شده است. در این مطالعه اثربخشی رویکرد جنگل تصادفی استاندارد و روش‌های مختلف نمونهبرداری نیز در پیشبینی روی‌گردانی مشتری نیز بررسی شده و با عملکرد IBRF مورد مقایسه قرار گرفت. این روش بر روی داده‌های واقعی مربوط به روی‌گردانی مشتری یک بانک چینی اعمال شده و مشخص شد که این روش به طور قابل توجهی دقت پیشبینی را در مقایسه با سایر الگوریتمها مانند شبکه‌های عصبی مصنوعی، درختهای تصمیم و ماشین بردار پشتیبان بهتر عمل کرده است. این روش در مقایسه با سایر الگوریتم‌های جنگل تصادفی مانند الگوریتم جنگل تصادفی متوازن122 و الگوریتم جنگل تصادفی وزندار123 بهتر عمل کرده است.
[20] بیان میکند که از منظر اقتصاد و مدیریت ریسک، درک ویژگی‌های مشتری جهت حفظ مشتری ضروری به نظر میرسد و لازم است سازمانها بین مشتریان معتبر و مشتریان بد تمایز قائل شوند. این مقاله تئوری مجموعههای ناهموار124 را که یک روش تصمیمگیری بر اساس قوانین است، برای استخراج قوانین مرتبط با روی‌گردانی مشتری بکار میگیرد. سپس از گراف شبکه جریان125 که یک رویکرد وابسته به مسیر است برای کشف قوانین و متغیرهای تصمیمگیری استفاده مینماید و در نهایت ارتباط بین قوانین و انواع مختلف روگردانی را نشان می‌دهد. این تحقیق بر روی نمونهای 21000 نفره از مشتریان صورت گرفته و آنها را به سه دسته مشتریان پایدار126، روی‌گردانی داوطلبانه و روی‌گردان غیر داوطلبانه تقسیم میکند. متغیرهای ورودی این تحقیق را متغیرهای جمعیتشناختی، روان‌شناختی127 و تراکنشهای مربوط به این گروه از مشتریان تشکیل میدهند. نتایج نشان داد که این مدل ترکیبی پیشگویی خوبی از روی‌گردانی مشتری داشته و اطلاعات مفیدی برای تصمیم گیران در تدوین استراتژی‌های بازاریابی فراهم میکند.
جدول 2-8 پژوهش‌های انجام‌گرفته در زمینه کاربرد داده‌کاوی در صنعت بانکداری
شماره مرجع
هدف
روش‌های مورد استفاده
ورودیها
کاربرد داده‌کاوی در بخش‌بندی و مدل‌سازی رفتاری مشتریان در صنعت بانکداری
[23]
بخش‌بندی مشتریان جهت تخمین وفاداری مشتری
داده‌های جمعیتشناختی، داده‌های وزندار مربوط به تراکنشهای مالی (WRFM) مشتریان شرکت ایرانی ساپکو
خوشه‌بندی با استفاده از روش K-means و SOM
[8]
دسته‌بندی مشتریان جهت شناسایی مشتریان طلایی طبق اصل 20/80 پارتو
اطلاعات مربوط به مشتریان وام گیرنده از بانک
شبکه‌های عصبی
[35]
شناسایی الگوی رفتاری مشتریان
متغیرهای جمعیتشناختی، متغیرهای RFM مشتریان بانک و لیستی از خدمات قابل ارائه توسط بانک
شبکه‌های عصبی، خوشه‌بندی توسط تکنیکهای خود سازمان دهنده (SOM) و الگوریتم Apriori برای شناسایی وابستگی متغیرهای رفتاری
[11]
بخش‌بندی مشتریان جهت مدیریت ارتباط با آنان و کشف سرویسهای مرتبط با هر بخش
متغیرهای جمعیتشناختی، متغیرهای RFM مشتریان بانک و لیستی از خدمات ارائه شده توسط بانک.
مورد مطالعه: بانک پارسیان
شبکه‌های عصبی، خوشه‌بندی توسط تکنیکهای خود سازمان دهنده (SOM) و الگوریتم Apriori برای کشف وابستگی بین خدمات ارائه شده توسط بانک با مشتریان.
کاربرد داده‌کاوی در ارزیابی اعتبار مشتریان
[22]
دسته‌بندی مشتریان بانک جهت ارزیابی اعتبار آنها
داده‌های مربوط به کارت اعتباری UCI مربوط به کشور آلمان و استرالیا
رویکردی ترکیبی که حاصل ترکیب رویکردهای انتخاب ویژگی موجود (آنالیز ترکیبی خطی، تئوری مجموعههای ناهموار، درخت تصمیم و روش Fscore) با روش ماشین بردار پشتیبان
[18]
بخش‌بندی اعتبار مشتریان در صنعت بانکداری به دو دسته: مشتریانی که با پرداخت مشکل دارند یا با پرداخت مشکلی ندارند
مجموعه داده‌های اعتباری مشتریان
شبکه‌های عصبی چند لایه با بازخورد رو به جلو
[29]
دسته‌بندی مشتریان از لحاظ اعتبار بازپرداخت وام
اطلاعات شخصی مشتری (همچون سن، درآمد ماهانه، جنسیت، وضعیت مسکن و…) و اطلاعات وام (شامل مقدار وام و مدت بازپرداخت وام و …)
الگوریتم شبکه‌های عصبی احتمالی و چند لایه و رگرسیون لاجیت
کاربرد داده‌کاوی در زمینه کشف تقلب
[24]
دسته‌بندی مشتریان جهت کشف تقلب و سوءاستفادههای خریداران و فروشندگان در معاملات آنلاین توسط کارت اعتباری
داده‌های مربوط به یک دوره سه ماهه مزایدات آنلاین فروش لپ تاپ (شامل ویژگی‌های مبلغ اولیه پیشنهادی، مدت زمان انجام مزایده، سود مزایده، میزان اعتبار فروشنده و قیمت بهایی مزایده)
رگرسیون لاجیت
کاربرد داده‌کاوی در تحلیل روی‌گردانی مشتری
[19]
پیشبینی روی‌گردانی مشتریان از کارت اعتباری
پایگاه داده 12 ماهه مشتریان یک بانک چینی (شامل 95 متغیر از 135 متغیر مربوط به اطلاعات مشتری، اطلاعات کارت اعتباری، داده‌های مربوط به ریسک مشتری و اطلاعات مربوط به تراکنشها)
الگوریتم‌های رگرسیون و درخت تصمیم جهت دسته‌بندی مشتریان
[28]
روی‌گردانی مشتری در بانکهای چینی جهت دستیابی به حداکثر رضایت مشتریان
داده‌های واقعی مربوط به روی‌گردانی مشتری یک بانک چینی
جنگلهای تصادفی متوازن بهبود یافته128 (IBRF)
[20]
استخراج قوانین مرتبط با روی‌گردانی
نمونهای 21000 نفره از مشتریان (شامل متغیرهای جمعیتشناختی، روان‌شناختی129 و تراکنشهای مربوط به این گروه از مشتریان)
تئوری مجموعههای ناهموار و گراف شبکه جریان

نگاي در [25] به مرور و دسته بندي ادبيات در زمينه كاربردهاي داده‌کاوی در مديريت ارتباط با مشتري پرداخته است. در اين تحقيق ضمن بيان ضرورت كاربردهاي تکنیک‌های داده‌کاوی در مديريت ارتباط با مشتري به دستهبندي تکنیک‌ها و مقايسه روش‌های داده‌کاوی در اين زمينه پرداخته است. در انتها چارچوبي جهت انجام تحقيقات آتي در زمينه كاربردهاي داده‌کاوی در حوزه مدیریت ارتباط با مشتری ارائه شده است.
2-10- جمع‌بندی مطالب فصل
در این فصل ابتدا به تعاریف و مفاهیم پایه مرتبط با موضوع تحقیق پرداخته شد و مفاهیمی چون مدیریت دانش، مدیریت دانش مشتری، مدیریت ارتباط با مشتری و داده‌کاوی معرفی شدند. در نهایت پیشینه تحقیق مورد بررسی قرار گرفت.
به طور خلاصه میتوان گفت با تبدیل مشتری به یک دارایی مهم و ارزشمند سازمان و تعیین دانش به عنوان عامل پویایی و بقای سازمان، مباحثی چون مدیریت دانش مشتری در میان محققان جایگاه ویژهای یافت. مدیریت دانش میتواند مزایایی چون تسهیم و اشتراک دانش و صرفهجویی در زمان و … را به دنبال داشته باشد. بهرهگیری از این مزایا منجر به حفظ بقای سازمان در محیط متلاطم و پر رقابت کسب و کار امروز خواهد بود.
مدیریت ارتباط مشتری سنتی ابزاری جهت ارتباط با مشتریان و تلاش جهت حفظ وفاداری آنها بود. اما خلأ بزرگ آن عدم بهرهمندی از مدیریت دانش مشتریان بود. اما زمانی که مدیریت ارتباط مشتری، مدیریت دانش را جهت کسب دانش مشتری بکار گیرد فرایند مدیریت دانش مشتری خواهیم داشت. ابزار حاصل کمک خواهد کرد ارتباط سازمان با مشتریان از حالت منفعل خارج شده و با مشتری به عنوان شریک دانشی سازمان ارتباط برقرار نماید.
مدیریت دانش مشتری با ترکیب هر دو رویکرد فناوری محور130 و دادهگرا131 در بحث مدیریت ارتباط با مشتری و رویکرد فرد گرا132 در بحث مدیریت دانش با هدف بهرهگیری از پتانسیل همافزای هر دوی آنهاست [41]. نتیجه این مسئله میتواند توصیف شیواتر دانش برای مشتری، دانش درباره مشتری و دانش از سوی مشتری باشد. بنابراین این امکان وجود خواهد داشت که محصولات و خدمات جدید به گروه مناسب از مشتریان تحویل شود. بنابراین ریسک شکست محصول جدید کاهش خواهد یافت [27].
از آنجا که به طور مشخص، در نظام بانکی، مشتری سودمندترین و مهمترین رکن این سازمان میباشد، تمرکز و مطالعه بر اطلاعات و رفتار مشتریان و کشف دانش موجود و بهرهگیری از دانش کشف شده جهت اتخاذ استراتژی‌های کسبوکار میتواند در مسیر جذب و حفظ مشتریان و افزایش حس رضایت آنها مؤثر باشد.
در این مسیر ابزار داده‌کاوی جهت کشف دانش مشتریان گردید. فرایند داده‌کاوی به سازمانها کمک میکند تا انبوه داده‌های مشتریان را تحلیل نمایند و اطلاعات مفید را از آنها استخراج نموده و مزیت رقابتی را نسبت به دیگران کسب نمایند [30].
لازم به ذکر است جزییات دقیق روش انتخابی جهت داده‌کاوی در فصلهای آینده به تفصیل مورد بحث قرار خواهد گرفت.

فصل سوم
روش تحقیق

3-1- مقدمه
تحقیق از نظر لغوی به معنای بررسی و پیدا کردن حقیقت است و از منظر علمی عبارتست از تلاش و انجام یک فعالیت منظم و هدف دار برای رسیدن به حقیقت، پاسخ به سؤال، دستیابی به دانش و آگاهی بیشتر در مورد یک پدیده و یا یک مسئله به منظور چاره جویی با استفاده از مراحل و روش علمی. به عبارت دیگر تحقیق تجزیه و تحلیل و ثبت عینی و سیستماتیک مشاهدات کنترل شده که ممکن است به پروراندن قوانین کلی، اصول یا نظریه‌هایی بینجامد و به پیش بینی و یا احتمالاً به کنترل نهایی رویدادها منتج شود.
در فصل پیش رو چارچوب کلی روش پیشنهادی تشریح میگردد و سعی شده با طرح این چارچوب بر پایهی گام‌های اساسی، اهداف تحقیق که همان بخش‌بندی مشتریان و استخراج استراتژی‌های متناسب با هر بخش و به‌کارگیری استراتژیها و دانش حاصل در چرخه مدیریت دانشی سازمان میباشد، 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.
3-2- روش پیشنهادی
هدف از این تحقیق کشف دانش نهفته در داده‌های خام مشتریان بانک اقتصاد مهر با استفاده از روش‌های داده‌کاوی و به‌کارگیری آن جهت اتخاذ استراتژیهایی برای مدیریت دانش مشتریان

پایان نامه
Previous Entries منابع پایان نامه درباره صنعت بانکداری، ارتباط با مشتری، مدیریت ارتباط Next Entries منابع پایان نامه درباره خوشه‌بندی، مشتریان کلیدی، سلسله‌مراتب