پایان نامه رایگان با موضوع کارشناسی ارشد، مدیریت ارتباط، ارتباط با مشتری

بدست آمده، بخش‌بندی مشتریان به درستی محاسبه شده است. این نتایج به فروشگاه کمک می‌کند تا استراتژیهای بازاریابی مناسبی را برای مشتریان بخش‌های مختلف در نظر داشته باشد. بازخورد از خبرگان در مورد درستی نتایج پژوهش صحت نتایج را تایید می کند.
5-4 محدودیت‌های پژوهش
از دشواری‌های پیش روی این پژوهش می‌توان به جمع آوری داده‌های جمعیت‌شناختی مشتریان اشاره کرد. چون داده‌های شخصی مشتریان در پایگاه اطلاعاتی فروشگاه موجود نبود، باید به تک تک مشتریان زنگ زده و اطلاعات آنها را دریافت می‌نمودم و متاسفانه برای این که خدشه‌ای به اعتبار فروشگاه وارد نشود و مسائل حفظ اطلاعات مشتریان، اینجانب تنها اجازه پرسیدن سه پارامتر از داده‌های شخصی‌شان را داشتم. همچنین متقاعد کردن مشتریان برای پاسخگویی نیز مسئله دیگری بود. به جرات می توان گفت این قسمت سخت‌ترین، زمان‌برترین و پرهزینه‌ترین قسمت تحقیق بوده است.
5-5 پیشنهادات برای پژوهش‌های آتی
پیشنهادات آتی تحقیق را می توان به صورت ذیل بیان کرد:
پیشنهادات تئوریک
در این پژوهش بیشتر به دنبال شناسایی گروه‌های مختلف مشتریان بر اساس ارزش آنها بودیم. در پژوهش‌های آتی می‌توان بر روی استراتژی‌های مناسب برای جلوگیری از ریزش مشتریان هر بخش تحقیقات بیشتری انجام داد.
محاسبه‌ی وزن متغیرها‌ی تراکنشی با استفاده از روش‌های غیر سلسله مراتبی
استفاده از ابزارهای داده‌کاوی دیگری به جای K میانگین و SOM برای بخش بندی مشتریان
پیشنهادات کاربردی
علاوه بر بهبودهای تئوریک فوق، می‌توان زمینه‌های کاربردی دیگری را نیز برای متدولوژی پیشنهادی در نظر گرفت. با وجود اینکه این متدولوژی در زمینه‌ی فروشگاه‌های زنجیره‌ای مرکز اپل ایران مورد استفاده قرار گرفته است، می‌توان آن را در کلیه‌ی زمینه‌های دیگر خرده‌فروشی نیز به کار برد. همچنین بخش‌بندی مشتریان و تعیین مشتریان با ارزش در تمام صنایع، حتی صنایع قراردادی مانند بیمه و بانکداری، قابل اجراست. بنابراین کاربرد متدولوژی پیشنهادی در صنایع دیگر را می‌توان زمینه‌ای دیگر برای تحقیقات آتی دانست.
منابع فارسی
الهی، شعبان ، حیدری، بهمن (1384). مدیریت ارتباط با مشتری، تهران، شرکت چاپ ونشر بازرگانی.
رضایینیا، سید مهدی (اردیبهشت 1388). کاربرد مدیریت ارتباط با مشتری تحلیلی در بخش‌بندی مشتریان مورد دادهکاوی در صنعت بانکداری، پایاننامه کارشناسی ارشد مهندسی فناوری اطلاعات، دانشکده فنی مهندسی، بخش مهندسی صنایع، دانشگاه تربیت مدرس.
مرادی، محمد (بهار 1390). بخشبندی مشتریان بانک ملت شهر اراک و تعیین استراتژیهای مدیریت ارتباط با مشتری در هر بخش، پایاننامه کارشناسی ارشد مدیریت اجرایی، دانشکده علوم انسانی، دانشگاه آزاد اسلامی، واحد سنندج.
میرزائیان، شهره (بهمن 91). خوشه بندی مشتریان در بانکداری خرد بر اساس وفاداری: موردکاوی بانک تجارت، پایاننامه کارشناسی ارشد مهندسی صنایع، دانشکده فنی مهندسی، بخش مهندسی صنایع، دانشگاه الزهرا (س).
منابع انگلیسی
Abonyi J., Nemeth S., Vincze C., Arva P. (2003). “Process Analysis and Product Quality Estimation by Self-Organizing Maps with an Application to Polyethylene Production”, Computers in Industry, Vol. 52, Pages 221– 234.
Akhondzadeh-Noughabi, E., Alizadeh, S., Ahmadvand, A-M., Minaei-Bidgoli, B. (2013). FTiS: A new model for effective urban management: A case study of urban systems in Iran, Cities 31, 394–403.
Allouche Mohamad Khaled (2005). “Real-Time Use of Kohonen’s Self-Organizing Maps for Threat Stabilization”, Information Fusion, Vol. 6, Pages 153–163.
Bertolini M., Braglia M., Carmignani G. (2006). “Application of the AHP Methodology in Making Aproposal forA Public Work Contrac”, International Journal of Project Management: Vol. 24, pp. 422–430.
Bonabeau Eric, (2002). “Graph Multidimensional Scaling With Self-Organizing Maps”. Information Sciences, Vol. 143, Pages 159–180.
Bonifacio Martın-Del-Brio, Antonio Bono-Nuez, Nicolas Medrano-Marques (2005). Self-Organizing Maps for Embedded Processor Selection, Microprocessors and Microsystems, Vol. 29, Pages 307–315.
Boone, D.S., Roehm, M. (2002). “Retail segmentation using artificial neural networks. International Journal of Research in Marketing”. Vol. 19, No. 3, pp.287–301.
Brian S., Penn (2005). “Using self-Organizing Maps to Visualize High-Dimensional Data”. Computers & Geosciences, Volume 31, Pages 531–544.
Chai Chu, Chan Henry (2008). “Inteligent Value-Based Customer Segmentation Method for Campaign Management: A Case Study of Automobibe Retailer”. Expert System with Applications, Vol. 34, pp 2754-2762.
Chang Horng-Jinh, Hung Lun-Ping, Ho Chai-Lin (2007). “An Anticipation Model of Potential Customers, Purchasing Behavior Based on Clustering Analysis and Association Rules Analysis”, Expert System with Applications, Vol. 32, pp. 753-764.
Chang Pei-Chann, Lai Chien-Yuan (2005). A Hybrid System Combining Self-Organizing Maps with Case-Based Reasoning in Wholesaler’s New-Release Book Forecasting, Expert Systems with Applications, Vol. 29, Pages 183–192.
Chen Y., Kuo M., Wu S., Tang K. (2009). “Discovering Recency, Frequency and Monetray (RFM) Sequenyial Pattern from Customers’ Purchasing data”, Journal of Electronic Commerce Research and Applications, 8, 241-251.
Chen Chun-Hsien, Li Pheng Khooa, Wei Yanb (2006). An Investigation into Affective Design Using Sorting Technique and Kohonen Self-Organising Map, Advances in Engineering Software, Vol. 37, pp. 334–349.
Chen Chun-Hao, Chiang Rui-Dong, Wu Terng-Fang, Chu Huan-Chen, A combined mining-based framework for predicting telecommunications customer payment behaviors, Expert Systems with Applications 40 (2013) 6561–6569.
Cheng Ching-Hsue, Chen You-Shyang (2009). “Classifying the Segmentation of Customer Value via RFM Model and RS Theory”. Expert Systems with Applications, Vol. 36, pp. 4176-4184.
Cheng C. H., Tsai H. P. (2011). “Group RFM analysis as a novel framework to discover better customer consumption behavior”. Expert Systems with Applications.
Cios J.K., Pedrycz W., Swiniarsk R.W., Kurgan L.A. (2007). Data Mining: A Knowledge Discovery Approach, Springer.
Ezequiel Lopez-Rubio, Jose Munoz-Perez, Jose Antonio Gomez-Ruiz (2004). “A principal Components Analysis Self-organizing Map”, Neural Networks, Vol. 17, Pages 261–270.
Fayyad U., Piatetsky-Shapiro G., Smyth P. (1996). “From Data Mining to Knowledge Discovery in Database”, American Association for Artificial Intelligence.
Fonseca Ana M., Biscaya Jos´e L., Aires-de-Sousa, Loboa Ana M. (2006). “Geographical Classification of Crude Oils by Kohonen Self-Organizing Maps”, Analytica Chimica Acta, Volume 556, Pages 374–382.
Hsieh Nan-Chen (2004). “An Integrated Data Mining and Behavioral Scoring Model for Analyzing Bank Customer”, Expert System with Applications, Vol. 27, pp. 623-633.
Huang Jih-Jeng, Tzang Gwo-Hshiung, Ong Cherng-Shyong (2007). “Marketing Segmentation Using Support Vector Clustering”. Expert System with Application, Vol. 32, pp 313-317.
Huang Ying, Kechadi (2013). “Tahar, An effective hybrid learning system for telecommunication churn prediction”. Expert Systems with Applications 40 5635–5647.
Hung Chihli, Tsai Chih-Fong (2008). “Market Segmentation Based on Hierarchical Self-Organization Map for Market of Multimedia on Demand”. Expert System with Applications, Vol. 34, pp. 780-787.
Hwang Hyunseok, Jung Taesoo, Suh Euiho (2004). “An LTV Model and Customer Segmentation Based on Customer Value: A Case Study on the Wireless Telecommunication Industry”. Expert System with Applications, Vol. 26, pp. 181-188.
Jin Huidong, Shum Wing-Ho, Leung Kwong-Sak, Wong Man-Leung (2004). “Expanding Self-Organizing Map for Data Visualization And Cluster Analysis”. Information Sciences, Volume 163, Pages 157–173.
Johnson M.D., Gustafsson A., Andreassen T.W., Lervik L.,Cha J. (2001). “The Evolution and Future of National Customer Satisfaction Index Models”. Journal of Economic Psychology, Vol. 22, PP. 217-255.
Jonker, Jedid-Jah, Piersma, Nanda, Poel, Dirk Van den (2004). “Joint Optimization of Customer Segmentation and Marketing Policy to Maximize Long-term Profitability”, Expert System with Applications, 27, 159-168.
Jounela S.L., Vermasvuori M., Enden P., Haavisto S. (2003). A Process Monitoring System Based on The Kohonen Self-Organizing Maps, Control Engineering Practice, Vol. 11, pp. 83–92.
Kargari, M., Sepehri, M.M. (2012). Stores clustering using a data mining approach for distributing automotive spare-parts to reduce transportation costs, Expert Systems with Applications 39, 4740–4748.
Kate A. Smith, Alan Ng (2003). “Web Page Clustering Using A Self-Organizing Map of User Navigation Patterns”, Decision Support Systems, Vol. 35, Pa 245– 256.
Khajvand M., Tarokh M.J. (February 2011). “Estimating Customer Future Value of Different Customer Segments Based On Adapted RFM Model In Retail Banking Context”, Procedia Computer Science, Vol. 3, pp. 1327-1332.
Khajvand M., Zolfaghar K., Ashoori S., Alizadeh S. (February 2011). “Estimating Customer Lifetime Value Based On RFM Analysis of Customer Purchase Behavior: Case Study, Procedia Computer Science”, Vol. 3,pp.57-63.
Kim kyoung-jae, Ahn Hyunchul (2008). “A Recommender System Using GA K-Means Clustering in An Online Shopping Market”, Expert System with Applications, Vol 34, pp 1200-1209.
Kim Su-Yeon, Jung Tae-Soo, Suh Eui-Ho, Hwang Hyun-Seok (2006). “Customer Segmentation and Strategy Development Based on Customer Lifetime Value: A case study”. Expert System with Applications, Vol 31, pp 101-107.
Kohonen, T. (2001). Self- organizing Maps, Springer Series in Information Sciences, Vol. 30, Springer, Berlin, New York.
Kucukkan cabas, sh., Akyol, A., Ataman, berk. M. (2007). Examination of the Effects of the Relationship Marketing Orientation on the Company Performance, Springer.
Kuo R.J., Ho L.M., Hu C.M. (2002). “Integration of Self-Organizing Feature Map and K-Means Algorithm for Market Segmentation, Computers & Operations Research”, Elsevier Volume 29, Issue 11, Pages 1475–1493.
Larose D. T. (2005). Discovering

مطلب مشابه :  دانلود پایان نامه ارشد با موضوعخشونت زناشویی، عوامل شخصی، اختلالات رفتاری