طبقه بندي مشتريان خدمات اينترنتي با استفاده از الگوريتم داده كاوي
محورهای موضوعی : مديريت تکنولوژيفريد نوروزي 1 , حامد كاظمي پور 2 *
1 - دانشگاه آزاد اسلامی واحد تهران
2 - دانشگاه آزاد اسلامی واحد تهران
چکیده مقاله :
امروزه نقش مشتريان بجاي پيروي از توليد کنندگان به هدايت آنها مبدل گشته است به همين دليل دسته بندي مشتريان در هدفمند سازي و سفارشي سازي خدمات و اولويت بندي محصولات شركتها بر مبناي ميزان سودآوري کمک شاياني مي کند. در بازار ارائه دهندگان خدمات اينترنتي، رقباي زيادي با هم رقابت مي کنند زيرا سرمايه گذاري بر روي خدمات ارتباطي و اينترنتي سودآور و مفيد مي باشد. لذا براي پيشرفت در بازار مذکور، ارائه سرويس هاي جديد و خلاقيت و نوآوري از موارد ضروري مي باشد. شركت هاي ارائه دهنده خدمات اينترنتي براي گرفتن حجم بيشتري از بازار بايد با شناخت کافي از بازار و مشتريان، به حفظ مشتريان موجود و جذب مشتريان جديد بپردازند چنين شركتهايي مي توانند با طبقه بندي و خوشه بندي مشتريان خود، ضمن شناسايي و حمايت از مشتريان فعال و سودرسان، مشتريان نامتعارف را از چرخه خدمات رساني شركت خارج نمايند. اين تحقيق با استفاده از الگوريتم داده كاوي، ضمن كشف و شناسايي چنين مشترياني، شركت هاي ارائه دهنده خدمات اينترنتي را نيز به اهدافشان نزديكتر مي كند.
Nowadays, the role of customers has shifted from followers of the producers to guiding them.That is why the classification of customers in targeting and customizing services and prioritization of companies products on the basis of profitability makes great help. Internet service providers in the market, are competing with a lot of competitors because investing in on communications and internet services are profitable.In order to progress in the market, it is necessary to offer new services and innovation.To get broader share of the market, the internet providers has got to have sufficient knowledge of the market and customers, retain existing customers and attract new customers.By classifying and clustering its customers, and while identifying and supporting its active and beneficial customers, such companies can remove their offbeat customers from services providing cycle.Using data mining algorithm, this research detecting and identifying of such customers, make the internet service provider closer to their goals.
1- خبرگزاري اسپوتنيک روسيه"به نقل از دفتر سرشماري نفوس آمريکا".
2- سازمان فناوري اطلاعات ايران. تهران. 1394 .
3- زارع، فائزه:"طراحي سيستم توصيهگر به منظور بهينهسازي و مديريت تسهيلات بانکي بر مبناي الگوريتمهاي خوشهبندي و طبقهبندي تسهيلات". مجله پژوهشهاي نوين در تصميمگيري: دوره 1، شماره 2، (تابستان 1395). 53-76.
4- نژاد فلاطوريمقدم، طه: "بخشبندي مشتريان بانک و تعيين استراتژي ارتباط با مشتري با استفاده از دادهکاوي". پاياننامه كارشناسيارشد، دانشكده اقتصاد و مديريت، دانشگاه تربيت مدرس، 1390.
5- طاهرپور، حميد و ديگران: "بررسي کارايي توليد محصولات زيربخشهاي زراعت و باغباني در استان خراسان رضوي: کاربرد روشهاي ترکيبي شبکه عصبي مصنوعي الگوريتم و خوشهبندي فازي". مجله دانش كشاورزي و توليد پايدار: جلد 2/20 شماره 4، 1389.
6- تجريشي، مسعود: "پهنهبندي آلودگي رودخانهها توسط تکنيک تحليل طبقهبندي فازي". سازمان مديريت منابع آب: نشريه 261، 1381.
7- مختاري حسنآباد، وحيد: "خوشهبندي دادههاي جرياني با استفاده از موازيسازي الگوريتمهاي ترکيبي". پاياننامه کارشناسيارشد. دانشگاه آزاد قزوين. زمستان 86.
8- علويمجد، حميد و ديگران: "مقايسه نتايج خوشهبندي سلسله مراتبي و غير سلسله مراتبي پروتئينهاي مرتبط با سرطانهاي مري، معده و کلون براساس تشابهات تفسير هستيشناسي ژني" مجله دانشور: دوره 17، شماره 88 (شهريور 1389). 17-30.
9- يقيني، مسعود و ديگران: "يک روش ترکيبي خوشهبندي مبتني بر الگوريتم ژنتيک با استفاده از عملگرهاي جديد متغير" نشريه بينالمللي مهندسي صنايع و مديريت توليد: دوره 23، شماره 1، (خرداد 1391). 122-128.
10- دادههاي مرکز آمار ايران، سازمان تنظيم مقررات و ارتباطات راديويي. سال 1394، شركتهاي PAP (Private Access Provider شركتهاي ارائهدهنده خدمات عمومي انتقال داده كابلي اينترنت پرسرعت ADSL)، شركتهاي SAP (Satellite Access Provider شركتهاي ارائهدهنده خدمات عمومي انتقال داده ماهوارهاي). بهار 1395 و گزارشات عملکردي اپراتورها.
11- A Purpose of Data Mining in Banking Sector. International Journal 2015.
12- Chen C-C, Chen A-P. (2007). Using data mining technology to provide a service in the digital library. The Electronic Library ,711-724.
13- Keller F. (May 2013). Clustering. International Journal of Advanced Research in Computer Science and Software Engineering Computer University Saarlandes, Tutorial Slides. Vol. 3, Issue 5,861-864.
14- Edward B.classification of fault-prone software modules(DECEMBER2002),IEEE TRANSACTIONS ON RELIABILITY, VOL. 51, NO. 4, 455-462.
15- Mehta JS, Gawande A.(2015).A Purpose of Data Mining in Banking Sector. International Journal.
16- DeOña R & J(2015)Analysis of transit quality of service through segmentation and classification tree techniques. Transportmetrica A: Transport Science. 365-387.