بکارگیری شبکه عصبی خودسازمانده کوهونن در خوشه بندی مشتریان شرکت سیمان سفید ارومیه

پایان نامه
چکیده

در طول دهه گذشته تعامل شرکت ها با مشتریانشان به طور قابل توجهی تغییر کرده است به طوری که تداوم کسب و کار با مشتری تضمین بلند مدت ندارد. به همین دلیل برای موفقیت یک سازمان لازم است، سازمان مشتریان خود را به درستی درک کرده، نیازها و خواسته های آن ها را پیش بینی کند و با مجهز شدن به این اطلاعات، سلامت کاری خود را بهبود بخشد. بسیاری از سازمان ها از جمله شرکت سیمان سفید ارومیه، داده های بسیار زیادی را درباره مشتریان، تأمین کنندگان و شرکای تجاریشان جمع آوری و ذخیره می کنند ولی ناتوانی این سازمان ها برای کشف دانش پنهان با ارزش در این داده ها سبب می شود که این داده ها به دانش تبدیل نشوند و این کار عملاً بیهوده باشد. با توجه به موقعیت استراتژیک شرکت سیمان سفید ارومیه در منطقه غرب کشور و ظرفیت محدود تولید، توجه و تمرکز بر مشتریان و شناسایی و درک کامل آن ها با استفاده از استخراج اطلاعات ناشناخته از بانک اطلاعاتی سازمان می تواند راه گشای بسیاری از مشکلات موجود بر سر راه این بنگاه تولیدی باشد. در این راستا بهره گیری از فرآیند داده کاوی می تواند وسیله ای برای رسیدن به نتایج مطلوب در جهت نزدیک تر شدن به مشتریان وفادار و سودآور باشد. بنابراین هدف اصلی از انجام این پژوهش، خوشه بندی مشتریان شرکت سیمان سفید ارومیه با استفاده از شبکه های عصبی خود سازمانده کوهونن می باشد. به منظور انجام این پژوهش، داده های مربوط به مشتریان شرکت در فاصله سال های 1389 تا 1390 به صورت اسنادی از پایگاه داده شرکت جمع آوری شد. داده های مذکور که مشتمل بر 3391 رکورد در قالب 4 متغیر محل مشتری، مقدار خرید، نوع بسته بندی و گروه مشتری بود، جهت خوشه بندی در نظر گرفته شد. سپس با استفاده از شبکه های عصبی بدون ناظر کوهونن، خوشه بندی با استفاده از نرم افزار کلمنتاین انجام گرفت. به این ترتیب مشتریان شرکت در 10 خوشه بر اساس شباهت های موجود خوشه بندی شدند. مهم ترین خوشه از بین خوشه های بدست آمده شامل 36.5% از مشتریان شرکت بود که تنها متشکل از عاملین فروش شمال غرب کشور بوده که در مقادیر کمتر از 100 تن، اقدام به خرید سیمان پاکتی 25 کیلوئی نموده اند. با شناسایی این مشتریان توصیه هایی جهت اتخاذ سیاست های مناسب جهت حفظ مشتریان وفادار و جذب مشتریان سودآور ارائه گردید.

منابع مشابه

پویاسازی خوشه بندی مشتریان با استفاده از روش DEA-DA در بستر شبکه عصبی مصنوعی SOM

چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدا...

متن کامل

استفاده از شبکه های عصبی خودسازمانده جهت خوشه بندی موثرداده های شبکه های اجتماعی

در این پایان نامه پس از مطالعه و بررسی روشهای موجود برای خوشه بندی داده های شبکه های اجتماعی ، روشی برای خوشه بندی موثر داده های شبکه های اجتماعی به منظور شناسایی جوامع موجود دراین شبکه ها ، ارائه گردیده است . در روش پیشنهادی از الگوریتم شبکه عصبی خودسازمانده که یکی از الگوریتم های بسیار قوی در بین الگوریتم های شبکه های عصبی است ، استفاده گردیده است .در این روش با تغییر در روش وزن دهی شبکه عصبی...

پویاسازی خوشه بندی مشتریان با استفاده از روش dea-da در بستر شبکه عصبی مصنوعی som

چکیدهامروزه ارزیابی مشتریان برای ارائه خدمات مناسب یکی از مهم ترین چالش های مدیران و تصمیم گیرنددگان درسازمانهای مختلف است. در سازمانهای مختلف گاه با توجه به حجم سنگین تقاضای مشتریان پاسخ گدویی بدهنیازهای تمامی آنان امکان پذیر نیست و از سدوی دیگدر ایدن مشدتریان بده عندوان سدرمایه هدای سدازمان ها قلمددادمی شوند. این موضوع هدفمند نمودن مطالعده بدر روی گدرو ه هدای مختلدف مشدتریان در بازارهدای رقدا...

متن کامل

خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی رقابتی

بخش بندی مشتریان، فرصتی برای توجه به نیازهایی است که در پرتو بازاریابی انبوه مجالی برای ابرازشان نبوده است. هدف اولیه ی بخش بندی یافتن و حفظ مشتریانی است که قصد ارائه ی خدمت به آن ها را داریم. در این پژوهش خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی مصنوعی رقابتی و روش های آماری سنتی با یکدیگر مقایسه شده اند. برای خوشه بندی مشتریان، 7 مشخصه ی کلیدی 600 مشتری از مشتریان یک بانک استخراج شد...

متن کامل

خوشه بندی مشتریان به منظور تدوین استراتژی تخفیف دهی ، مطالعه موردی شرکت کدبانو

در طی سال های گذشته تعامل شرکت ها با مشتریانشان به طور قابل توجهی تغییر کرده است به طوری که تداوم کسب و کار با مشتری تضمین بلند مدت ندارد. به همین دلیل برای موفقیت یک سازمان لازم است سازمان ها نیازهای مشتریان خود را به درستی درک کرده؛ خواسته های آنها را پیش بینی کنند و با مجهز شدن به این دانش، استراتژیها و برنامه های فروش و بازاریابی خود را بهبود بخشند. یکی از راه های شناخت مشتریان، از طریق خوش...

متن کامل

بکارگیری تکنیک های خوشه بندی و الگوریتم ژنتیک در بهینه سازی درختان تصمیم گیری برای اعتبارسنجی مشتریان بانک ها

درختان تصمیم گیری به عنوان یکی از تکنیک های داده کاوی کاربرد زیادی در اعتبارسنجی مشتریان بانک وشناسایی آن ها برای اعطای تسهیلات اعتباری دارد. مسئله اصلی در پیچیدگی درختان تصمیم گیری، اندازه بیش از حد،عدم انعطاف پذیری و دقت کم در طبقه بندی است. هدف از این مقاله ارائه مدل ترکیبی در بهینه سازی درختان تصمیمگیری توسط تکنیک الگوریتم ژنتیک به منظور حل مسائل ذکر شده در فوق برای اعتبارسنجی مشتریان بانک ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه اصفهان - دانشکده مدیریت

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023