دانلود مقاله و خرید ترجمه:تسهیل فروش متقابل در بازار مخابراتی تلفن همراه برای توسعه مدل طبقه بندی مشتری براساس تکنیک های داده کاوی هیبریدی
بلافاصله پس از پرداخت دانلود کنید

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

آگهی چاپ مقاله isi
ورود اعضا
توجه توجه توجه !!!!
نرم افزار winrar
پیشنهادات ویژه
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده داده کاوی
  • تسهیل فروش متقابل در بازار مخابراتی تلفن همراه برای توسعه مدل طبقه بندی مشتری براساس تکنیک های داده کاوی هیبریدی

    سال انتشار:

    2011


    ترجمه فارسی عنوان مقاله:

    تسهیل فروش متقابل در بازار مخابراتی تلفن همراه برای توسعه مدل طبقه بندی مشتری براساس تکنیک های داده کاوی هیبریدی


    عنوان انگلیسی مقاله:

    Facilitating cross-selling in a mobile telecom market to develop customer classification model based on hybrid data mining techniques


    منبع:

    Sciencedirect - Elsevier - Expert Systems with Applications 38 (2011) 5005–5012


    چکیده انگلیسی:

    As the competition between mobile telecom operators becomes severe, it becomes critical for operators to diversify their business areas. Especially, the mobile operators are turning from traditional voice communication to mobile value-added services (VAS), which are new services to generate more average revenue per user (ARPU). That is, cross-selling is critical for mobile telecom operators to expand their revenues and profits. In this study, we propose a customer classification model, which may be used for facilitating cross-selling in a mobile telecom market. Our model uses the cumulated data on the existing customers including their demographic data and the patterns for using old products or services to find new products and services with high sales potential. The various data mining techniques are applied to our proposed model in two steps. In the first step, several classification techniques such as logistic regression, artificial neural networks, and decision trees are applied independently to predict the purchase of new products, and each model produces the results of their prediction as a form of probabilities. In the second step, our model compromises all these probabilities by using genetic algorithm (GA), and makes the final decision for a target customer whether he or she would purchase a new product. To validate the usefulness of our model, we applied it to a real-world mobile telecom company’s case in Korea. As a result, we found that our model produced high-quality information for cross-selling, and that GA in the second step contributed to significantly improve the performance.
    Keywords: Customer classification | Genetic algorithms | Logistic regression | Artificial neural network | Decision tree | Mobile telecom market


    چکیده فارسی:

    همانطور که رقابت بین اپراتورهای مخابراتی تلفن همراه شدید می شود، تنوع بخشیدن به حوزه های کسب و کار برای اپراتور بسیار حیاتی می گردد. بویژه، اپراتورهای تلفن همراه از ارتباط صوتی سنتی به خدماتارزش افزوده تلفن همراه (VAS) روی می آوردند که خدمات جدیدی برای تولید درآمد متوسط بیشتر برای هر کاربر (ARPU) هستند. بعبارت دیگر، فروش متقابل برای اپراتورهای مخابراتی تلفن همراه جهت توسعه درآمد و سود آنها حیاتی است. در این مطالعه، مدل طبقه بندی مشتری را پیشنهاد می دهیم که برای تسهیل فروش متقابل در بازار مخابراتی تلفن همراه استفاده می شود. مدل ما از داده های گردآوری شده در مورد مشتری های موجود از جمله داده های جمعیت شناختی و الگوها برای استفاده از محصولات یا خدمات قدیمی جهت یافتن محصولات و خدمات جدید با پتانسیل فروش بالا استفاده می کند. تکنیک های داده کاوی مختلف برای مدل پیشنهادی ما در دو مرحله اعمال می شوند. در مرحله اول، چندین تکنیک طبقه بندی مانند رگرسیون لجیستیک، شبکه های عصبی مصنوعی، و درخت تصمیم گیری بطور مستقل برای پیش بینی خرید محصولات جدید اعمال می شوند و هر مدل نتایج پیش بینی خود را بعنوان شکلی از احتمالات ارائه می دهند. در مرحله دوم، مدل ما این احتمالات را با استفاده از الگوریتم ژنتیک (GA) اصلاح نموده، و تصمیم نهایی را برای مشتری هدف در مورد اینکه آیا محصول جدید را خریداری خواهد کرد یا خیر اخذ می کند. برای معتبرسازی کارایی مدل، آن را برای یک نمونه شرکت مخابراتی تلفن همراه در کره استفاده کردیم. در نتیجه، نشان دادیم این مدل اطلاعات باکیفیتی برای فروش متقابل ارائه داده، و GA در مرحله دوم نقش قابل توجهی در بهبود عملکرد دارد.
    کلیدواژه ها: طبقه بندی مشتری | الگوریتم های ژنتیک | رگرسیون لجیستیک | شبکه عصبی مصنوعی | درخت تصمیم گیری | بازار مخابراتی تلفن همراه


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    تعداد صفحات فایل doc فارسی: 28

    حجم فایل: 298 کیلوبایت


    قیمت: 25000 تومان  22500 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
داده-کاوی
موضوعات