پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 162 |
| تعداد شماره‌ها | 6,692 |
| تعداد مقالات | 72,229 |
| تعداد مشاهده مقاله | 129,179,430 |
| تعداد دریافت فایل اصل مقاله | 102,007,431 |
ارائه مدل پیش‌بینی ریزش مشتریان در بسترB2B با بکارگیری روش‌های بهینه داده-کاوی در شرکت پتروشیمی خراسان | ||
| مدیریت بازرگانی | ||
| مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 10 آذر 1403 | ||
| نوع مقاله: مقاله علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/jibm.2024.365245.4665 | ||
| نویسندگان | ||
| مرضیه توسلی1؛ سید محمد باقری* 2؛ شهربانو قلی پور فریدونی3 | ||
| 1دانشجو دکترا، گروه مدیریت بازرگانی، واحد بابل، دانشگاه آزاد اسلامی ، بابل، ایران | ||
| 2استادیار، گروه علمی حسابداری و مدیریت ، دانشگاه پیام نور،تهران، ایران | ||
| 3استادیار، گروه مدیریت بازرگانی، واحد بابل، دانشگاه آزاد اسلامی ، بابل، ایران | ||
| چکیده | ||
| هدف: هدف از این تحقیق ارائه مدل پیش‌بینی ریزش مشتریان در بسترB2B با بکارگیری روش های بهینه داده‌کاوی در شرکت پتروشیمی خراسان بود. روش: روش به کار گرفته شده در این تحقیق از نوع کیفی-کمی بوده است. با مطالعات کتابخانه ای و ابزار تکنیک دلفی، عوامل پیش بین ریزش مشتری شناسایی شده و سپس با استفاده از روش داده کاوی، تجزیه و تحلیل آماری انجام گرفته است . در این تحقیق، برای پیش‌بینی ریزش مشتریان در بسترB2B، از سامانه ای هوشمند مبتنی بر داده‌کاوی، استفاده شده است. جامعه آماری این تحقیق در بخش کیفی، خبرگان سازمانی در حوزه صنعت پتروشیمی و در بخش کمی جامعه آماری مشتریان بخش صادرات در سال های ۱۳۹۲-۱۳۹۷ است. یافته ها: در بخش کیفی مشخصات خرید محصول مشتریان، مشخصات سیستم مدیریت ریزش مشتریان و مشخصات مدیریت روابط با مشتریان بعنوان مولفه‌های نهایی شناسایی شدند. در راستای آزمون فرضیه این تحقیق که تدوین مدلی جهت پیش‌بینی ریزش مشتریان شرکت پتروشیمی خراسان با استفاده از آنالیز رفتارهای گذشته مشتریان و اطلاعات موجود در پایگاه داده مشتریان و مقایسه نتایج با الگوریتم‌های KNN، SVM و Random Forest ، در چندین مرحله انجام شده است و نهایتا نتایج مربوط به تحلیل بخش ممیزی داده‌‌ها، نشان داد که جهت کاهش ریزش مشتریان شرکت مورد بررسی، ارزش خرید محصول براساس قیمت و مقدار با میانگین داده‌کاوی برابر با 167/80؛ کشور مقصد خریدار محصول با میانگین داده‌کاوی برابر با 083/78؛ و نوع محصولات شرکت با میانگین داده‌کاوی برابر با 25/76؛ به‌عنوان مهمترین شاخص‌های کاهش ریزش مشتریان محاسبه شدند. مهمترین شاخص در راستای کاهش ریزش مشتریان ارزش خرید محصول براساس قیمت و مقدار است. نتایج مربوط به تحلیل خروجی شبکه‌های عصبی مصنوعی نشان داد که جهت تحلیل دقیق‌تر (محاسباتی‌تر) و کاهش ریزش مشتریان شرکت مورد بررسی، به ترتیب پیشگو‌‌‌کننده‌های اصلی مدل یعنی پیشگو‌‌‌کننده "تعداد شکایات از محصول با کد داده‌ای (A5)" دارای وزن پیشگویی برابر با 34/0؛ پیشگو‌‌‌کننده "دفعات خرید محصول با کد داده‌ای (A1) " دارای وزن پیشگویی برابر با 30/0؛ پیشگو‌‌‌کننده "ارزش خرید محصول براساس قیمت و مقدار با کد داده‌ای (A3)" دارای وزن پیشگویی برابر با 16/0؛ پیشگو‌‌‌کننده "مدیریت مرحله تثبیت جهت رسیدن مشتری به سطح قابل قبولی از رضایت‌مندی با کد داده‌ای (B3)" دارای وزن پیشگویی برابر با 15/0؛ پیشگو‌‌‌کننده "کشور مقصد خریدار محصول با کد داده‌ای (A2)" دارای وزن پیشگویی برابر با 10/0؛ به تحلیل دقیق‌تر (محاسباتی‌تر) کاهش ریزش مشتریان شرکت پتروشیمی خراسان، پرداخته‌اند. نتیجه‌گیری: نظر سنجی از مشتریان و آگاهی دادن به مشتری به عنوان با ارزش ترین مولفه در زمینه کاهش ریزش مشتریان است. در صورتیکه نظر سنجی نسبت به محصولات از مشتریان انجام گردد شرکت بسیاری از نقاط قوت و ضعف خود را خواهد شناخت و در راستای بر طرف کردن این ضعف‌ها تلاش خواهد نمود و مشتریان کمتری را از دست خواهد داد. در این تحقیق از روش های داده کاوی برای مدل سازی با دقت بالا برای پیش بینی ریزش مشتریان و مقایسه نتایج استفاده شده است که در صنایع شیمیایی داخلی سابقه استفاده نداشته است و با توجه به نتایج حاصله می تواند انگیزه انجام تحقیقات مشابه گردد، تا ضمن ایجاد دیدگاه شفاف در حوزه مشتری منجر به هدفمندی اقدامات حفظ مشتری و مدیریت هزینه ها می‌گردد. | ||
| کلیدواژه‌ها | ||
| داده کاوی؛ ریزش مشتریان؛ صنعت پتروشیمی؛ مدل سازی | ||
| عنوان مقاله [English] | ||
| Developing a B2B customer churn prediction optimal model based on data mining in Khorasan Petrochemical Company | ||
| نویسندگان [English] | ||
| Marziyeh Tavasoli1؛ Seyyed Mohammad Bagheri2؛ Shahrbanoo Gholipour Ferydouni3 | ||
| 1Ph.D. Candidate in Business Management, Department of Business Management, Babol Branch, Islamic Azad University, Babol, Iran | ||
| 2Assistant Professor- Accounting and management department, Payame Noor University, Po Box 19395-3697, Tehran, Iran | ||
| 3Assistant Professor, Department of Business Management, Babol Branch, Islamic Azad University, Babol, Iran | ||
| چکیده [English] | ||
| Objective: The purpose of this study was to develop a model for predicting customer churn in the B2B platform using optimal data mining methods in Khorasan Petrochemical Company. Method: The method used in this research was qualitative-quantitative. With Data collection and interviews with Delphi technique and study of documents, customer churn factors were identified, then with using data mining method, statistical analysis has been done. In this study, an intelligent system based on data mining has been used to predict the decline of customers in the B2B platform. The statistical population of this research in the qualitative sector was organizational experts in the field of petrochemical industry and in the quantitative statistical population were customers of Khorasan Petrochemical Export in the years 1392-1397. Results: In the quality section, customer product purchase specifications, customer churn management system specifications and customer relationship management specifications, were identified as the final components. In the quantitative part, Extract information from several data sources (database), integrate information and delete redundant data, place modified information in the data warehouse, perform data mining operations by software to evaluate various characteristics and determine the characteristics affecting customer churn, evaluating the obtained and results with other machine learning methods: Support vector machine, random forest, k nearest neighbor and display representations were done in a comprehensible mane. Final results showed the purchase value of the product is based on price and quantity with an average of mining data equal to 80.167; Country of destination of the product buyer with an average of 78,083 mining data; And the type of products of the company with an average of data mining equal to 76.25; As the most important indicators to reduce the loss of customers of Khorasan Petrochemical Company, were calculated. The results related to the analysis of the output of artificial neural networks showed the predictor "number of complaints from the product with data code (A5)" has a predictive weight equal to 0.34; The predictor "Frequency of product purchase with data code (A1)" has a predictive weight equal to 0.30; The predictor "Product purchase value based on price and quantity with data code (A3)" has a predictive weight equal to 0.16; The predictor "managing the stabilization phase to reach an acceptable level of customer satisfaction with data code (B3)" has a predictive weight equal to 0.15; The predictor "country of destination of the buyer of the product with data code (A2)" has a predictive weight equal to 0.10; They have done a more precise analysis (calculation) of reducing the customers loss of Khorasan Petrochemical Company. Conclusion: Surveying customers and informing the customer is the most valuable component in reducing customer loss. If the products are surveyed from customers, the company will recognize many of its strengths and weaknesses and will work to eliminate these weaknesses.The more the company pays attention to customer feedback and uses them in product design, the better it will be at customer retention and the fewer customers it will lose. In this study, Data mining method was used for modeling with high accuracy to predict customer churn which has no history in domestic petrochemical industry. According to the obtained result, it can motivate similar research to create a clear view in the customer relationship field and lead to the optimization customer retention programs and relative costs. | ||
| کلیدواژه‌ها [English] | ||
| Customer churn, Data Mining, Model, Petrochemical industry | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 216 |
||
سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب