دانلود مقاله ISI انگلیسی شماره 22035 + ترجمه فارسی
ترجمه فارسی عنوان مقاله

تکنیک های داده کاوی برای مدیریت ارتباط با مشتری

عنوان انگلیسی
Data mining techniques for customer relationship management
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
22035 2002 20 صفحه PDF 24 صفحه WORD
دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Technology in Society, Volume 24, Issue 4, November 2002, Pages 483–502

فهرست مطالب ترجمه فارسی
چکیده

کلمات کلیدی

1. مقدمه

2. داده کاوی

2. 1 تعریف

2. 2 ارزیابی داده کاوی

جدول 1. مراحل تکامل داده کاوی

2. 3 کاربردهای داده کاوی

شکل 1. تجزیه داده کاوی از یک جهت گیری روند. منبع: Information Discovery, Inc. [18].

2. 3. 1 خرده فروشی

2. 3. 2 بانکداری

2. 3. 3 ارتباطات راه دور

2. 3. 4  کاربردهای دیگر

2. 4 ملاحظات داخلی

2. 5 تکنیک های داده کاوی

جدول 2. تعاملات فناوری داده کاوی و مهارت های معمولی کاربر

شکل 2. تفکیک فناوری های داده کاوی بر مبنای حفظ داده. منبع: Information Discovery, Inc. [18].

جدول 3. مزایا و معایب روش های داده کاوی

3. مدیریت ارتباط با مشتری: مرور کلی

3. 1 تعریف

3. 2 اجزای مدیریت ارتباط با مشتری

4. داده کاوی و مدیریت ارتباط با مشتری

4. 1. ارتباط

4. 2 داده کاوی و حریم خصوصی مشتری

5. مطالعات موردی

5. 1 مطالعه موردی: شبکه های عصبی

شکل 3. نمودار یک شبکه عصبی معمولی. منبع: Discovery Information, Inc [18].

5. 1. 1 مشکل

5. 1. 2 راه حل

5. 1. 3 نتایج 

5. 2 مطالعه موردی: CHAID

5. 2. 1 مشکل / هدف

5. 2. 2 راه حل

5. 2. 3 نتایج

6. CHAID و شبکه های عصبی

6. 1 وضوح و صریح بودن

6. 2 اجرا / ادغام

6. 3 الزامات داده 

6. 4 دقت مدل

6. 5 ساخت مدل

6. 6 هزینه ها

6. 7 کاربردها

7. نتیجه گیری
ترجمه کلمات کلیدی
مدیریت ارتباط با مشتری - ارتباط بازاریابی - داده کاوی - شبکه های عصبی - آزمون مجذور کای تشخیص تعامل خودکار - حقوق شخصی
کلمات کلیدی انگلیسی
Customer relationship management, Relationship marketing, Data mining, Neural networks, Chi-square automated interaction detection , Privacy rights
ترجمه چکیده
پیشرفت های مربوط به فناوری، ارتباط بازاریابی را در سال های اخیر به واقعیت تبدیل کرده است. فناوری هایی مانند انبار کردن داده ها، داده کاوی و نرم افزار مدیریت کمپین، مدیریت ارتباط با مشتری را به زمینه ای جدید تبدیل کرده اند که شرکت ها در آن می توانند به مزیت رقابتی دست یابند. سازمان ها به ویژه می توانند از طریق داده کاوی (استخراج اطلاعات پیشگویانه¬ی پنهان از پایگاه های داده بزرگ) مشتریان با ارزش را تشخیص دهند، رفتارهای آینده را پیش بینی کنند، و شرکت ها را به اتخاذ تصمیم های پویشگرایانه و مبتنی بر آگاهی قادر سازند. آنالیزهای خودکار و آینده گرا، حرکت فراتر از آنالیز رویدادهای گذشته که معمولا توسط ابزارهای تاریخ گرا مانند سیستم های پشتیبانی تصمیم گیری انجام می شوند را از طریق داده کاوی ممکن می سازد. ابزارهای داده کاوی، به سوالات شرکت تجاری که دنبال کردن آنها در گذشته بسیار وقت گیر بوده، پاسخ می دهند. با این حال، پاسخ به این سؤالات، مدیریت ارتباط با مشتری را ممکن می سازد. تکنیک های متنوعی در نرم افزار داده کاوی موجود هستند که هریک، مزایا و چالش های خاص خود را برای انواع مختلف کاربردها دارند. دوگانگی خاصی بین شبکه های عصبی و آشکارسازی اثر متقابل خودکار کای اسکوار (CHAID) وجود دارد. با اینکه روش های متنوع و فراوانی در زمینه داده کاوی وجود دارند، استفاده از برخی انوع داده کاوی برای دستیابی به اهداف فلسفه کنونی مدیریت ارتباط با مشتری، ضروری می باشد.
ترجمه مقدمه
امروزه، فرهنگ جدید تجارت در حال توسعه است. در این فرهنگ، اقتصاد روابط مشتری با شیوه های بنیادی تغییر نموده و شرکت ها به اجرای راه حل های جدید و استراتژی هایی که این تغییرات را مورد توجه قرار می دهند، نیازمندند. مفاهیم تولید انبوه و بازاریابی انبوه که اولین بار طی انقلاب صنعتی بوجود آمدند، توسط ایده های جدیدی که در آنها روابط مشتری عامل اصلی تجارت بشمار می آید، جایگزین می شوند. امروزه شرکت ها، افزایش مقدار مشتری را از طریق آنالیز چرخه زندگی مشتری پیگیری می کنند. ابزار و فناوری های انبار کردن داده ها، داده کاوی، و سایر تکنیک های مدیریت ارتباط با مشتری (CRM)، فرصت های جدیدی را برای تجارت جهت کار بر روی مفاهیم ارتباط بازاریابی فراهم می کنند. مدل قدیمی "طراحی-ساخت-فروش" (دیدگاه محصول-گرا) با "فروش-ساخت-طراحی مجدد" (دیدگاه مشتری گرا) جایگزین شده است. روند سنتی بازاریابی انبوه، با چالش رویکرد جدید بازاریابی یک به یک رو به رو می باشد. در روند سنتی، هدف بازاریابی عبارتست از دستیابی به مشتریان بیشتر و گسترش مشتری ثابت. اما با توجه به هزینه بالای بدست آوردن مشتریان جدید، بهتر است تجارت با مشتریان فعلی انجام گردد. با انجام این کار، تمرکز بازاریابی از گسترش مشتری ثابت به عمق نیازهای هر مشتری تغییر می کند. معیار عملکرد نیز از سهم بازار به سمت به اصطلاح "سهم کیف پول" تغییر می نماید. تجارت ها فقط به منظور انجام معاملات با کمک مشتریان انجام نمی شوند؛ آنها فرصت فروش محصولات را به تجربه ای خدماتی تبدیل نموده و تلاش می کنند ارتباطات طولانی مدتی را با هر مشتری ایجاد نمایند. مسلما ظهور اینترنت به تغییر تمرکز بازاریابی کمک کرده است. با افزایش دسترس پذیری اطلاعات آنلاین و فراوان شدن آنها، مصرف کنندگان مطلع تر و ماهرتر می شوند. آنها از همه موارد ارائه شده آگاهی یافته و بهترین ها را طلب می کنند. شرکت های تجاری باید برای مقابله با این شرایط، محصولات یا خدمات خود را به گونه ای متمایز کنند که از نتیجه¬ی نامطلوب تبدیل شدن به کالاهای صرف جلوگیری گردد. یک روش موثر برای متمایز سازی، استفاده از سیستم هایی است که می توانند به طور دقیق و منظم با مشتریان تعامل داشته باشند. جمع آوری داده های جمعیت شناختی و رفتار مشتری، امکان هدف گیری دقیق را فراهم می سازد. این نوع هدف گیری نیز می تواند هنگام طراحی یک برنامه ترویجی موثر برای مواجهه با رقابت سخت و یا شناسایی مشتریان آینده هنگام ظهور محصولات جدید، کمک کننده باشد. تعامل مداوم با مشتری ها بدین معنی است که شرکت های تجاری باید سوابق معاملات و پاسخ ها را در یک سیستم آنلاین ذخیره نمایند تا برای همه کارمندان آگاهی که می دانند چگونه با آن ارتباط برقرار کنند، قابل دسترس باشد. اهمیت برقراری ارتباط تنگاتنگ با مشتری به رسمیت شناخته شده و CRM اطلاق می شود. به نظر می رسد که CRM تنها برای مدیریت ارتباطات بین تجارت و مصرف کنندگان قابل استفاده می باشد. بررسی دقیق تر نشان می دهد که اهمیت آن برای مشتریان تجاری بسیار مهم تر است. در محیط های تجاری - تجاری (B2B)، مقدار زیادی اطلاعات به طور منظم مبادله می شوند. به عنوان مثال، تعداد معاملات بیشتر، قراردادهای سفارشی متنوع تر، و طرح های قیمت گذاری پیچیده تر می باشند. وقتی نمایندگان مختلف شرکت های فروشنده و خریدار با یکدیگر و همکاری دارند، CRM به هموار کردن روند کمک می کند. کاتالوگ های سفارشی، پورتال های تجارت شخصی، و پیشنهادات محصول هدفمند، می توانند روند تهیه و بهبود کارایی هر دو شرکت را ساده کنند. هشدارهای ایمیل و اطلاعات مربوط به محصول جدید که برای نقش های مختلف در شرکت خریدار طراحی شده اند، می توانند به افزایش اثربخشی استقرار فروش کمک نمایند. اگر گزارش های علمی هدفمند یا اخبار صنعتی به افراد مربوطه ارائه شوند، اعتماد و قدرت افزایش می یابد. تمام این موارد را می توان از مزایای CRM دانست. Cap Gemini مطالعه ای را برای ارزیابی آگاهی شرکت و تهیه استراتژی CRM انجام داد [1]. از میان شرکت های مورد بررسی، 65 درصد از فناوری و روش CRM آگاه بودند. 28٪ پروژه های CRM را در دست مطالعه و یا در مرحله اجرا داشتند. 12٪ نیز در مرحله عملیاتی بودند. در 45٪ از شرکت های مورد بررسی، اجرا و نظارت بر پروژه CRM توسط مدیریت ارشد آغاز و کنترل شده بود. بنابراین، واضح است که این مفهوم جدید و نوظهور بوده و به عنوان یک ابتکار استراتژیک کلیدی شناخته می شود. این مقاله، مفاهیم مدیریت ارتباط با مشتری و یکی از اجزای آن یعنی داده کاوی را بررسی می کند. مقاله با مرور کلی مفاهیم داده کاوی و CRM آغاز می شود، و سپس بحث درباره تکامل، ویژگی ها، تکنیک ها و کاربردهای هر دو مفهوم ارائه می گردد. پس از آن، این دو مفهوم ادغام شده و رابطه، مزایا و رویکردهای مرتبط با اجرا و محدودیت های فناوری ها نشان داده می شوند. ما از طریق دو مطالعه، به بررسی دو تکنیک داده کاوی می پردازیم: اثر متقابل خودکار کای اسکوار (CHAID) و شبکه های عصبی. بر اساس این مطالعات موردی، شبکه های عصبی و CHAID بر مبنای نقاط قوت و ضعف آنها با هم مقایسه شده و مورد ارزیابی قرار گرفتند. در نهایت نیز نتیجه گیری را بر اساس بحث ارائه می دهیم.
پیش نمایش مقاله
پیش نمایش مقاله تکنیک های داده کاوی برای مدیریت ارتباط با مشتری

چکیده انگلیسی

Advancements in technology have made relationship marketing a reality in recent years. Technologies such as data warehousing, data mining, and campaign management software have made customer relationship management a new area where firms can gain a competitive advantage. Particularly through data mining—the extraction of hidden predictive information from large databases—organizations can identify valuable customers, predict future behaviors, and enable firms to make proactive, knowledge-driven decisions. The automated, future-oriented analyses made possible by data mining move beyond the analyses of past events typically provided by history-oriented tools such as decision support systems. Data mining tools answer business questions that in the past were too time-consuming to pursue. Yet, it is the answers to these questions make customer relationship management possible. Various techniques exist among data mining software, each with their own advantages and challenges for different types of applications. A particular dichotomy exists between neural networks and chi-square automated interaction detection (CHAID). While differing approaches abound in the realm of data mining, the use of some type of data mining is necessary to accomplish the goals of today’s customer relationship management philosophy.

مقدمه انگلیسی

A new business culture is developing today. Within it, the economics of customer relationships are changing in fundamental ways, and companies are facing the need to implement new solutions and strategies that address these changes. The concepts of mass production and mass marketing, first created during the Industrial Revolution, are being supplanted by new ideas in which customer relationships are the central business issue. Firms today are concerned with increasing customer value through analysis of the customer lifecycle. The tools and technologies of data warehousing, data mining, and other customer relationship management (CRM) techniques afford new opportunities for businesses to act on the concepts of relationship marketing. The old model of “design-build-sell” (a product-oriented view) is being replaced by “sell-build-redesign” (a customer-oriented view). The traditional process of mass-marketing is being challenged by the new approach of one-to-one marketing. In the traditional process, the marketing goal is to reach more customers and expand the customer base. But given the high cost of acquiring new customers, it makes better sense to conduct business with current customers. In so doing, the marketing focus shifts away from the breadth of customer base to the depth of each customer’s needs. The performance metric changes from market share to so-called “wallet share”. Businesses do not just deal with customers in order to make transactions; they turn the opportunity to sell products into a service experience and endeavor to establish a long-term relationship with each customer. The advent of the Internet has undoubtedly contributed to the shift of marketing focus. As on-line information becomes more accessible and abundant, consumers become more informed and sophisticated. They are aware of all that is being offered, and they demand the best. To cope with this condition, businesses have to distinguish their products or services in a way that avoids the undesired result of becoming mere commodities. One effective way to distinguish themselves is with systems that can interact precisely and consistently with customers. Collecting customer demographics and behavior data makes precision targeting possible. This kind of targeting also helps when devising an effective promotion plan to meet tough competition or identifying prospective customers when new products appear. Interacting with customers consistently means businesses must store transaction records and responses in an on-line system that is available to knowledgeable staff members who know how to interact with it. The importance of establishing close customer relationships is recognized, and CRM is called for. It may seem that CRM is applicable only for managing relationships between businesses and consumers. A closer examination reveals that it is even more crucial for business customers. In business-to-business (B2B) environments, a tremendous amount of information is exchanged on a regular basis. For example, transactions are more numerous, custom contracts are more diverse, and pricing schemes are more complicated. CRM helps smooth the process when various representatives of seller and buyer companies communicate and collaborate. Customized catalogues, personalized business portals, and targeted product offers can simplify the procurement process and improve efficiencies for both companies. E-mail alerts and new product information tailored to different roles in the buyer company can help increase the effectiveness of the sales pitch. Trust and authority are enhanced if targeted academic reports or industry news are delivered to the relevant individuals. All of these can be considered among the benefits of CRM. Cap Gemini conducted a study to gauge company awareness and preparation of a CRM strategy [1]. Of the firms surveyed, 65% were aware of CRM technology and methods; 28% had CRM projects under study or in the implementation phase; 12% were in the operational phase. In 45% of the companies surveyed, implementation and monitoring of the CRM project had been initiated and controlled by top management. Thus, it is apparent that this is a new and emerging concept that is seen as a key strategic initiative. This article examines the concepts of customer relationship management and one of its components, data mining. It begins with an overview of the concepts of data mining and CRM, followed by a discussion of evolution, characteristics, techniques, and applications of both concepts. Next, it integrates the two concepts and illustrates the relationship, benefits, and approaches to implementation, and the limitations of the technologies. Through two studies, we offer a closer look at two data mining techniques: Chi-square Automatic Interaction Detection (CHAID) and Neural Networks. Based on those case studies, CHAID and neural networks are compared and contrasted on the basis of their strengths and weaknesses. Finally, we draw conclusions based on the discussion.

نتیجه گیری انگلیسی

7. Conclusions In choosing a suitable technology for personalization or CRM, organizations must be aware of the tradeoffs when considering differing data mining software applications. The choice among different options is not as critical as the choice to use data mining technologies in a CRM initiative. Data mining represents the link from the data stored over many years through various interactions with customers in diverse situations, and the knowledge necessary to be successful in relationship marketing concepts. In order to unlock the potential of this information, data mining performs analysis that would be too complicated and time-consuming for statisticians, and arrives at previously unknown nuggets of information that are used to improve customer retention, response rates, attraction, and cross selling. Through the full implementation of a CRM program, which must include data mining, organizations foster improved loyalty, increase the value of their customers, and attract the right customers. As customers and businesses interact more frequently, businesses will have to leverage on CRM and related technologies to capture and analyze massive amounts of customer information. Businesses that use customer data and personal information resources effectively will have an advantage in becoming successful. However, businesses must also bear in mind that they have to use technology responsibly in order to achieve a balance between privacy rights and economic benefits. Different technologies vary in terms of effectiveness and ease of use. It is businesses and managers who determine how to exploit collected data, in other words, more of a policy issue than a technology issue. Several precautions have to be taken by business to assure consumers that their privacy will be respected and personal information will not be disclosed without permission. Businesses also have a duty to execute their privacy policy so as to establish and maintain good customer relationships. For such a sensitive issue as privacy, the burden is on businesses when it comes to building and keeping trust. The nature of trust is so fragile that once violated, it vanishes. Current CRM solutions focus primarily on analyzing consumer information for economic benefits, and very little touches on ensuring privacy. As privacy issues become major concerns for consumers, surely an integrated solution that streamlines and enhances the entire process of managing customer relationships will become even more necessary

دانلود فوری مقاله + ترجمه آماده
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.