خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا)

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا) دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا)  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن خوشه بندی و کشف الگوهای پرخطر مشتریان با استفاده از تکنیک های داده کاوی (مورد مطالعه: شرکت کارگزاری بیمه سایپا) :

تعداد صفحات :۱۷

چکیده مقاله:

داده کاوی، ابزار ارزشمندی است که در سال های اخیر از آن به طور گسترده جهت استخراج اطلاعات، جستجوی روابط و الگوها در بین حجم عظیم داده ها استفاده شده است. بر اساس تحقیقات، تکنیک های داده کاوی مختلفی جهت شناسایی و مدیریت ارتباط با مشتریان استفاده شده است. تقسیم بندی و خوشه بندی مشتریان و شناسایی الگوهای رفتاری هر خوشه جهت تدوین سیاستها و استراتژی های ارتباطی با مشتریان جهت ارایه ارزش های مختلف به ایشان از جمله اقداماتی است که امروزه در دستور کار شرکت ها و بنگاه های اقتصادی قرار گرفته است. به منظور تحقق این امر، این تحقیق با هدف استفاده از روشی تحلیلی جهت شناسایی و کشف الگوهای رفتاری مشتریان اجرایی گردید. ما در این تحقیق پس از کنکاش در داده های مشتریان خسارت دیده شرکت مورد مطالعه، از مدل R,F,M که از سه بعد زمان آخرین خرید مشتری (R)، تواتر خرید مشتری (F) و مبلغ خرید مشتری (M)، تشکیل شده است به منظور خوشه بندی مشتریان استفاده نمودیم. پس از آن به منظور کشف دانش میان هر خوشه سه الگوریتم درخت تصمیم C5.0 درخت تصمیم CHAID و یک شبکه عصبی را با یکدیگر مقایسه نمودیم و یافتیم که در بین داده های این تحقیق درخت تصمیم C5.0 کارایی بالاتری دارد. پساز آن استراتژی هایی را جهت نحوه برخورد با این مشتریان ارایه کردیم.