نقش داده کاوی در مدیریت ارتباط با مشتری و بررسی الگوریتمها و تکنیک های داده کاوی

دانلود تحقیق کامپیوتر

نقش داده کاوی در مدیریت ارتباط با مشتری و بررسی الگوریتمها و تکنیک های داده کاوی

درک مشتری، هسته اصلی مدیریت ارتباط با مشتریان است که اساسی برای افزایش ارزش عمر مشتری است. به‌منظور تقسیم‌بندی مشتریان و فعالیت هایی برای بیشینه ساختن تغییر مشتری، نگهداری، وظیفه‌شناسی و سودبخشی دربرگرفته می شود. درک مناسب مشتری و قابلیت پیگیری قانونی منجر به افزایش ارزش عمر مشتری می شود. درک نادرست مشتری می تواند منجر به فعالیت-های پرخطر شود. به طور مشابه، فعالیت های متمرکز نشده، همچون تلاش های نامحدود برای دسترسی یا به دست آوردن همه مشتری ها، می تواند منجر به کاهش ارزش عمر مشتری (قانون برگشت نزولی) شود. بنابراین، تکیه اساسی خود را بایستی بر روی درک صحیح مشتری و فعالیت-های مرتبط با آن گذاشت. (امتیاز و همکاران، 1388)

در بررسی ادبیات موضوع مرتبط با این حوزه، نیاز به یک طبقه‌بندی از جنبه های مختلف مدیریت دانش مشتری، به منظور موشکافی چگونگی کاربرد تکنیک های داده‌کاوی می باشد. در این راستا یکی از مدل‌های کاربردی توسط شامی و همکاران (2008) ارائه شده است. در این مدل طبقه‌بندی روی انواع دانش مشتری در سه لایه صورت گرفته است (یقینی و همکاران، 1388):
در مرحله نخست، برای پشتیبانی از مشتریان در چرخه خریدشان، یک جریان دانش پیوسته که از شرکت به مشتریان هدایت می شود (دانش برای مشتری) پیش نیاز است. دانش برای مشتریان شامل اطلاعاتی در مورد محصولات، بازارها و تامین کنندگان است. این بعد دانش همچنین بر روی درک مشتری از کیفیت خدمات، تاثیر می گذارد.

در همین زمان، دانش از مشتریان می باید در جهت خلق نوآوری در خدمات و محصول، تولید ایده و بهبود مستمر برای محصولات و خدمات، توسط سازمان به هم پیوند داده شود. تسخیر کردن دانش مشتری و دخیل کردن مشتریان در فرآیند نوآوری از طرق مختلفی قابل دستیابی است. برای مثال دانش مشتریان در مورد محصولات، تامین کنندگان و گرایشهای بازار می تواند از طریق مکانیزم بازخورد مناسب برای فراهم کردن یک بهبود سیستماتیک و نوآوری محصولات، استفاده شود. جمع آوری و تحلیل دانش درباره مشتری قطعا یکی از قدیمی ترین اشکال فعالیت مدیریت دانش در حوزه CRM است. علاوه بر داده های خام مشتریان و معاملات گذشته، دانش در مورد مشتری، نیازهای کنونی مشتریان، خواسته های آتی، ارتباط، فعالیت خرید و توانایی مالی را هم در نظر می-گیرد. دانش درباره مشتریان در فرآیند پشتیبانی و خدمات CRM جمع آوری می شود و در فرآیند آنالیز CRM مورد تجزیه و تحلیل قرار می گیرد. (یقینی و همکاران، 1388)

فهرست مطالب

نظری داده کاوی 11
2-5-1 مفهوم داده کاوی 11
2-5-2 تعاریف داده کاوی 11
2-5-3 الگوریتمهای داده کاوی 13
2-5-4 تکنیکهای داده کاوی 14
2-5-5 گامهای اجرایی کشف دانش در داده کاوی 16
2-5-6 فرآیند داده کاوی 18
2-5-7 کاربردهای داده کاوی 21

2-6 پیشینه تحقیق 28

منابع