جستجوی مقالات مرتبط با کلیدواژه
تکرار جستجوی کلیدواژه sequential pattern mining در نشریات گروه علوم انسانی
sequential pattern mining
در نشریات گروه مدیریت
تکرار جستجوی کلیدواژه sequential pattern mining در مقالات مجلات علمی
-
مشتریان در مرکز هر کسب وکاری قرار دارند. در حقیقت آن ها قلب تپنده ی هر کسب وکاری هستند که جریان های درآمدی از طریق آن ها وارد کسب وکار شده و باعث جذب مشتریان جدید می شوند. به دلیل عوامل مختلفی، رفتار مشتریان غالبا پیچیده و نامشخص بوده و با گذشت زمان تغییر می کند. بنابراین درچنین شرایطی لازم است ماهیت پویای مشتری در جهت تحلیل رفتار مشتری و استراتژی های مناسب در نظر گرفته شود. دانش و پیش بینی های بدست آمده با استفاده از مدل های ایستا فقط در یک دوره ی خاص زمانی معتبر هستند و نمی توانند ماهیت پیچیده و نامشخص رفتار مشتری را توصیف کنند.هدف این پژوهش کشف الگوهای غالب پویایی مشتریان در سطوح مختلف ارزشی با استفاده از کاوش الگوهای دنباله ای و تحلیل کلان داده است. این پژوهش با استفاده از داده های در طول زمان مشتریان بانک انجام شده است. در این پژوهش به مدل سازی پویایی مشتری با استفاده از کاوش الگوهای دنباله ای پرداخته شده است. این روش به دلیل استفاده از کاوش الگوهای دنباله ای می تواند در جهت برنامه ریزی و بهبود فرآیند های مدیریت ارتباط با مشتری به کسب وکارها کمک کند.کلید واژگان: پویایی مشتری، تحلیل کلان داده، کاوش الگوهای دنباله ای، تصمیم گیری داده محورCustomers are situated at the center of every business. In fact, they are the pulsating heart of any enterprise, through which revenue streams flow and new customers are attracted. Due to various factors, customer behavior is often complex and uncertain, evolving over time. Therefore, in such circumstances, it is necessary to consider the dynamic nature of customers for analyzing their behavior and devising appropriate strategies. Knowledge and predictions derived from static models are only valid for a specific period and cannot describe the complex and uncertain nature of customer behavior.The aim of this study is to discover dominant patterns of customer dynamics across different value tiers using sequential pattern mining and big data analytics. This research is conducted using customer data from a bank over time. The study focuses on modeling customer dynamics using sequential pattern mining. This approach, by utilizing sequential pattern mining, can assist businesses in planning and improving customer relationship management processes.Keywords: Customer Dynamics, Bigdata Analytics, Sequential Pattern Mining, Data Driven Decision Making
-
امروزه ظهور خدمات مبتنی بر وب مانند تجارت الکترونیکی، بانک داری الکترونیکی و موارد مشابه موجب ایجاد تغییرات اساسی در روش زندگی انسان ها شده است. وب یک رسانه ارتباط مستقیم با هزینه کم را برای ارائه خدمات کسب و کارها به مشتریانشان فراهم می کند. کسب و کارها برای فعالیت های ترویجی و بازاریابی هدفمند نیاز به ثبت، بررسی و تحلیل رفتار کاربران و کشف دانش نهفته در آن را دارند تا بتوانند محتوا و ظاهر وب سایت خود را با علایق و نیازهای کاربران سازگار و شخصی سازی کنند. در این راستا برای تحلیل رفتار کاربران و ارائه پیشنهادات پویا و متناسب با الگوهای رفتاری آن ها می توان از تکنیک های وب کاوی استفاده کرد. در این پژوهش مدلی ارائه شده است که به کمک آن می توان رفتار کاربران الکترونیکی را تحلیل و پیش بینی کرد. در این مدل ابتدا کاربران به کمک الگوریتم انتشار کشش خوشه بندی شده اند و سپس به وسیله الگوریتم کاوش الگوهای ترتیبی سی. ام. اسپید رفتارشان تحلیل شده است. در گام بعد برای هر خوشه پروفایل کاربری مختص آن خوشه تشکیل می شود. سپس به کمک این پروفایل ها می توان توصیه هایی را به کاربران جدید ارائه کرد. نتایج به دست آمده حاکی از این است که مدل ارائه شده کارایی قابل قبولی دارد.کلید واژگان: وب کاوی، شخصی سازی، کاربردکاوی وب، خوشه بندی، کاوش الگوهای ترتیبیNowadays, web-based services like E-Commerce and E-Banking make fundamental changes to the ways of using internet and human's life. Web shares direct media with low costs between services of businesses and their customers. Businesses need to record, study and analyze their user's behavior and interests in order to adapt content and interface of their web site with user's interest for targeted marketing and advertising and then complete the process of personalization. For this purpose and for analysis of users behavior and making recommendations based on the users behavior, web mining approaches can be used. In this paper, a model was developed which can be applied for analyzing and predicting user's behaviors of a specific web site. First, users were clustered with affinity propagation algorithm and then, their behaviors were analyzed using sequential pattern mining algorithm called CM-SPADE. In the next step, for each cluster, User's profile was created. Then by using these profiles, recommendations can be made for new users. At last, the represented model was evaluated and the final results was acceptable.Keywords: Web Mining, Personalization, Web Usage Mining, Clustering, Sequential Pattern Mining
نکته
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.