مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

476
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

135
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

استفاده از الگوریتم های داده کاوی برای پیش بینی خرید مشتری

صفحات

 صفحه شروع 211 | صفحه پایان 220

چکیده

 پیش بینی خرید مشتریان یکی از موضوعاتی است که در حال حاضرمورد توجه بسیاری از شرکت های بزرگ است. همه این شرکت ها دوست دارند بدانند چگونه می توانند رفتار مشتری ها را پیش بینی کنند. تا به حال به این موضوع فکر کرده اید که اگر بتوانید رفتار مشتریان خودتان را پیش بینی کنید چه اتفاقی خواهد افتاد؟ فکر کنید زمانی که با مشتری قصد خرید دارد بدون اینکه یک کلمه حرف بزند شما بلافاصله چیزی که مدنظرش هست را به او بدهید! در این حالت می دانید چه اتفاقی خواهد افتاد؟ فروش تان چندین برابر خواهد شد و هم چنین نیاز به صرف هزینه های بازاریابی هم نخواهید داشت. تکنیک های داده کاوی یکی از روش ها برای پیش بینی خرید مشتریان می باشد. متدلوژی: متدلوژی مورد استفاده در این مقاله CRISP می باشد و که جامعه آماری ما پایگاه داده الماس با بیش از 4000 رکورد و دارای پارامترهای سن, جنسیت, تحصیلات, شغل, درآمد, استان, الویت خرید, خرید اولیه, خرید نهایی, کالا, برند و. . . . می باشد که مدل سازی, که با استفاده ازنرم افزار رپیدماینر مدل ها را پیاده سازی می کنیم که مدل پیشنهادی ما در این تحقیق مدل ترکیبی با درخت تصمیم و کی-نزدیکترین همسایگی که با الگوریتم های RuleModel, , Naïve Bayes Random Fores و Random Tree مقایسه می شود. نتایج: تجزیه و تحلیل داده ها جمع آوری شده که در این مطالعه که در انتها با بررسی دقت و صحت مدل ها و مقایسه آنها باهم به این نتیجه رسیدیم که مدل پیشنهادی ما یعنی مدل ترکیبی درخت تصمیم و کی نزدیک ترین همسایکی دارای دقت 92. 16% می باشد.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    email sharing button
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    sharethis sharing button