سامانه پشتیبانی خدمات اطلاعات

  اخبار و اعلانات

 آمار

تعداد نشریات161
تعداد شماره‌ها6,532
تعداد مقالات70,501
تعداد مشاهده مقاله124,113,397
تعداد دریافت فایل اصل مقاله97,217,271
Akhondzadeh-Noughabi, lham, Albadvi, Amir, Aghdasi, Mohammad. (1393). Mining customer dynamics in designing customer segmentation using data mining techniques. , 6(1), 1-30. doi: 10.22059/jitm.2014.50048
lham Akhondzadeh-Noughabi; Amir Albadvi; Mohammad Aghdasi. "Mining customer dynamics in designing customer segmentation using data mining techniques". , 6, 1, 1393, 1-30. doi: 10.22059/jitm.2014.50048
Akhondzadeh-Noughabi, lham, Albadvi, Amir, Aghdasi, Mohammad. (1393). 'Mining customer dynamics in designing customer segmentation using data mining techniques', , 6(1), pp. 1-30. doi: 10.22059/jitm.2014.50048
Akhondzadeh-Noughabi, lham, Albadvi, Amir, Aghdasi, Mohammad. Mining customer dynamics in designing customer segmentation using data mining techniques. , 1393; 6(1): 1-30. doi: 10.22059/jitm.2014.50048

Mining customer dynamics in designing customer segmentation using data mining techniques

Journal of Information Technology Management
مقاله 1، دوره 6، شماره 1، تیر 2014، صفحه 1-30    اصل مقاله (798.12 K)
نوع مقاله: Research Paper
شناسه دیجیتال (DOI): 10.22059/jitm.2014.50048
نویسندگان
lham Akhondzadeh-Noughabi1؛ Amir Albadvi* 2؛ Mohammad Aghdasi3
1Ph.D. student of industrial engineering, Tarbiat Modares University, Tehran, Iran
2Professor of industrial engineering department, Tarbiat Modares University, Tehran, Iran
3Associate professor of industrial engineering department, Tarbiat Modares University, Tehran, Iran
چکیده
One of the main problems in dynamic customer segmentation is finding the dominant patterns of customer movements between different segments via time. Accordingly, we concentrate on the customer dynamics in this paper and try to find different groups of customers in transmissions between segments via time. The dominant characteristics of these groups are also investigated. To obtain this objective, a new hybrid technique based on the K-means algorithm, hierarchical clustering and association rule mining is presented and implemented on the data of one of the main telecommunication corporations in Iran. The results show that there are seven different groups of customers. Furthermore, the impact of customer dynamics on segments’ changes via time is investigated. In this regard, a new approach of categorizing customers is proposed according to their impact on the structure and the content of segments’ changes. These new groups include “the customers who preserve the structure”, “the ones who are consistent with the structure” and “the customers who destroy the structure”.
کلیدواژه‌ها
Dynamic customer segmentation؛ Data Mining؛ Clustering؛ Telecommunication industry
عنوان مقاله [English]
کاوش پویایی مشتری در طراحی بخش بندی با استفاده از روش های داده کاوی
نویسندگان [English]
الهام آخوندزاده نوقابی1؛ امیر البدوی2؛ محمد اقدسی3
1دانشجوی دکتری مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران
2استاد بخش مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران
3دانشیار بخش مهندسی صنایع، دانشگاه تربیت مدرس، تهران، ایران
چکیده [English]
یکی از موضوعات مهم در مسئلۀ بخش­بندی پویای مشتریان، انتقال مشتریان به بخش­های مختلف در طول زمان و کشف الگوهای حاکم بر این جابه­جایی­ها است. بر این اساس، این مقاله بر پویایی مشتری تمرکز کرده و تلاش می‎کند، گروه­های رفتاری مشتریان و ویژگی­های غالب این گروه­ها و الگوهای کلی حاکم بر جابه­جایی و مهاجرت مشتریان به بخش­های مختلف را در طول زمان استخراج کند. برای این کار، روش ترکیبی جدیدی مبتنی بر الگوریتم K-means، روش­های خوشه­بندی سلسله‎مراتبی و قوانین انجمنی ارائه‎شده و در داده­های واقعی یک شرکت مخابراتی به­کار گرفته شده است. بر اساس نتایج به‎دست‎آمده، هفت گروه رفتاری متفاوت در انتقال مشتریان به بخش­های مختلف وجود دارد. همچنین در رویکردی نوین، تلاش شده است تا تأثیر رفتار پویای مشتری در تغییرات بخش­ها در طول زمان تبیین شود. در این راستا با ارائۀ رویکرد و مفاهیم جدیدی در خصوص پویایی رفتار مشتری و تأثیر آن در تغییرات ساختاری و محتوایی بخش­ها، گروه­بندی جدیدی از مشتریان در قالب مشتریان سازنده و تثبیت­کنندۀ ساختار، مشتریان پویای ساختار سازگار و مشتریان پویای ساختارشکن ارائه می­شود.
 
 
 
 
کلیدواژه‌ها [English]
بخش­بندی پویای مشتری, خوشه­بندی, داده­کاوی, صنعت مخابرات
آمار
تعداد مشاهده مقاله: 4,769
تعداد دریافت فایل اصل مقاله: 4,513


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب