استراتژی های CRM برای مراکز خرید آنلاین با اندازه کوچک بر اساس قوانین انجمنی و الگوهای ترتیبی
چکیده-همانطور که حباب دات کام در سال ۲۰۰۲ منفجر شد، هر روزه، تعداد غیرقابل شمارشی از مراکز خرید آنلاین با اندازه کوچک، با توجه به بسیاری از مشخصات خوب بازار آنلاین، پدیدار می شوند، که در برگیرنده ی کاهش چشمگیر هزینه های جستجو و هزینه محصولات و سرویس ها و دسترسی آسان به محصولات یا سرویس ها در دنیا هستند. اما، همه ی مراکز خرید آنلاین، به طور پیوسته رشد نکرده اند. بسیاری از آن ها حتی به دلیل کمبود استراتژی های مدیریت ارتباط با مشتری (CRM) که برای آن ها مناسب باشد، ناپدید شده اند و از بین رفته اند. هدف این مقاله، پیشنهاد استراتژی های CRM برای مراکز خرید با اندازه کوچک آنلاین بر اساس قوانین انجمنی و الگوهای تکراری حاصل از تحلیل داده تراکنش مغازه است. در ابتدا مشتریان VIP را بر اساس مقادیر جدید بودنشان، فرکانس و مالی (RFM) تعریف کردیم. آنگاه، مدلی را توسعه دادیم که مشتریان را به VIP و غیر-VIP، با استفاده از تکنیک های داده کاوی نظیر درخت تصمیم، شبکه عصبی مصنوعی، رگرسیون منطقی و bagging و با هر یک از این ها به عنوان یک رده بندی پایه، طبقه بندی می کند. در نهایت، قوانین انجمنی و الگوهای ترتیبی را از تراکنش های VIP شناسایی کرده و آنگاه این قوانین و الگوها، به عنوان استراتژی های CRM برای مرکز خرید آنلاین پیشنهاد شدند.
مقاله لاتین+ ترجمه + پاورپوینت
CRM strategies for a small-sized online shopping mall based on association rules and sequential patterns
As dot-com bubble burst in 2002, an uncountable number of small-sized online shopping malls have emerged every day due to many good characteristics of online marketplace, including significantly reduced search costs and menu cost for products or services and easily accessing products or services in the world. However, all the online shopping malls have not continuously flourished. Many of them even vanished because of the lack of customer relationship management (CRM) strategies that fit them. The objective of this paper is to propose CRM strategies for small-sized online shopping mall based on association rules and sequential patterns obtained by analyzing the transaction data of the shop. We first defined the VIP customers in terms of recency, frequency and monetary (RFM) value. Then, we developed a model which classifies customers into VIP or non-VIP, using various data mining techniques such as decision tree, artificial neural network, logistic regression and bagging with each of these as a base classifier. Last, we identified association rules and sequential patterns from the transactions of VIPs, and then these rules and patterns were utilized to propose CRM strategies for the online shopping mall.
لطفاً براي ارسال دیدگاه، ابتدا وارد حساب كاربري خود بشويد