دانلود مقاله ترجمه شده isi

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

چکیده

مدیریت روابط مشتری (CRM) یک استراتژی کسب و کار مشتری محور است که یک شرکت به منظور ارتقاء تجربه و رضایتمندی مشتری از طریق سفارشی سازی محصولات و خدمات طبق نیازهای مشتریان بکار می‌گیرد. این استراتژی، وقتی که به طور کامل و جامع پیاده سازی شد در نهایت درآمد شرکت را افزایش می‌دهد.

به طور سنتی، تکنیک‌های داده کاوی (DM) به منظور حل تکالیف تحلیلی مختلف CRM اِعمال شده‌اند. در عوض، مدت زمان طولانی است که تکنیک‌های بهینه سازی برای آموزش برخی تکنیک‌های DM استفاده شده‌اند. با این حال، در طول چند سال گذشته، تکنیک‌های تکاملی آنقدر قدرتمند شده‌اند که محققینی که در حوزه‌ی CRM تحلیلی کار می‌کنند شروع به حل تکالیف CRM با استفاده تکنیک‌های تکاملی به تنهایی نموده‌اند. در این زمینه، ما یک بررسی تکنیک‌های محاسبات تکاملی اِعمال شده به تکالیف CRM ارائه می‌دهیم. در این مقاله، ما ۷۸ مقاله را مورد بررسی قرار دادیم که در طول سالهای ۱۹۹۸ تا ۲۰۱۵ منتشر شده بودند.

که کاربرد تکنیک‌های محاسبات تکاملی (EC) در تکالیف CRM تحلیلی تمرکز اصلی آنها می‌باشد. این بررسی شامل مقالات در بر گیرنده‌ی تکنیک‌های محاسبات تکاملی اِعمال شده به تکالیف CRM تحلیلی تحت چارچوب بهینه سازی تک منظوره و همچنین چند منظوره می‌باشد. هدف از این بررسی این است که به خواننده اجازه دهیم که قدرت تکنیک‌های EC در حل تکالیف CRM تحلیلی در صنعت خدمات را درک نموده و جهت گیری های آینده را پیشنهاد می‌کند.

۱٫    مقدمه

CRM یک فرآیند استراتژیک انتخاب مشتریان است که یک شرکت می‌تواند به منظور کسب حداکثر سود تعاملات بین خود و مشتریان‌اش را شکل دهد. هدف نهایی بهینه سازی ارزش فعلی و آینده‌ی مشتریان برای شرکت می‌باشد (Kumar and Reinartz, 2012). مدیریت روابط مشتری (CRM) یک روش علمی را برای شناسایی مشتریان جدید، پرورش روابط با آنها، حفظ آنها با ارضاء نیازهای مالی‌شان و در نهایت اطمینان از اینکه مشتریان سودآور و وفادار که در رقابت از دست نمی‌روند استفاده می‌کند. در Dyche(2002)، یک دیدگاه کسب و کار گرا به CRM بسیار خوب به شکل مطالعات موردی برخی از شناخته شده‌ترین شرکتها ارائه شده‌اند. در Ngai (2005) یک بررسی ادبیات تحقیق و دسته بندی CRM از سال ۱۹۹۲ تا ۲۰۰۲ ارائه شده است. CRM معمولاً شامل ارائه‌ی محصولات و خدمات جدید و سفارشی، اغلب به شکل شخصی به مشتریان می‌باشد. CRM در اصل دارای سه مؤلفه است:

(i) CRM عملیاتی (OCRM)، (ii) CRM تحلیلی (ACRM)، و (iii) CRM مشارکتی (CCRM). مؤلفه‌های CRM ذکر شده در بالا به طور خلاصه همراه با ویژگیها و اندازه‌گیریها در Iriana and Buttle(2007) توصیف شده‌اند. روندها، موضوعات و حوزه‌های تحت بررسی در Wahlberg et al.(2009) توصیف شده‌اند. در CRM عملیاتی، شرکت خدماتی فروش و خدمات را از طریق نقاط تماس مختلف مشتریان با کمک دانش ارائه شده توسط مؤلفه CRM تحلیلی اجرا می‌کند. در یک مفهوم، این مؤلفه مراکز تماس را که چهره‌ی شرکت تا آنجاییکه مربوط به فروش و خدمات می‌شوند را شامل می‌شود.

CRM تحلیلی

از سوی دیگر، در CRM تحلیلی، تکنیک‌های داده کاوی استفاده می‌شوند که شامل تکنیکهای پیشرفته‌ی آماری و یادگیری ماشین، متن کاوی، و وب کاوی می‌شود. این تکنیکها به منظور حل مشکلات مختلف کسب و کار مرتبط با مشتریان بر روی داده‌های آنها اِعمال می‌گردند. ACRM شامل بخش بندی مشتریان، بازاریابی هدف، توصیه کالاها و خدمات از طریق تحلیل سبد بازار، امتیاز اعتبار، تشخیص پیش فرض، تشخیص ریزش ، مدلسازی ارزش طول عمر مشتری، تشخیص تقلب، تحلیل احساسات مشتری، تشخیص سودآوری مشتری و غیره می‌باشد. به عبارت دیگر، ACRM یک موتور تحلیلی است که از طریق حل مشکلات مختلف کسب و کار، با به دست آوردن وفاداری مشتری به رضایتمندی مشتری دست پیدا می‌کند، که به عنوان چسبندگی مشتری نیز شناخته می‌شود.

همچنین ACRM در اکتساب دانش مشتری نیز کمک می‌کند. پیوند بین تجزیه و تحلیل و CRM به شکل ACRM نمود پیدا کرده است که در آن تجزیه و تحلیل به منظور ارتقاء خدمات مشتری با کشف بینش های کسب و کار که نمی‌توانند از طریق قوانین کسب و کار استاندارد حاصل شوند بکار گرفته می‌شود (Artun andLevin, 2015; Chorianopoulos, 2015; Provost and Fawcett, 2013). قبل از ابداع این تکنیکهای تحلیلی، مشکلات کسب و کار در یک حالت ادهاک (تک کاره) و با استفاده از قوانین کسب و کار حل می‌شدند، و از این بخش علمی کل آن از دست می‌رفت.

CRM مشارکتی

در نهایت در CRM مشارکتی، CRM در حال سرویس دهی به نیازمندیهای مشتری به صورت تقریباً بلادرنگ انجام شد (Kracklauer et al., 2004). این امر در بر گیرنده‌ی پیاده سازی فناوری های جدیدتر نظیر انبارداری داده‌ی بلادرنگ، تحلیل درون حافظه، و تحلیل موقعیت جغرافیایی می‌باشد. کل محصول CRM شامل همه‌ی این سه مؤلفه در Teo et al.(2006) به عنوان CRM کل نگر نامیده می‌شود. این CRM کل نگر به هیئت خانه سازی و توسعه‌ی سنگاپور برای ارائه‌ی خدمات بهتر اِعمال گردید. با توجه به فعالیت‌های سه نوع CRM، اثبات شده است که محاسبات تکاملی نقش قابل توجهی در مؤلفه CRM تحلیلی بازی می‌کنند.

دلیل بدیهی برای این موضوع این است که همه‌ی تکالیف در ACRM یا مشکلات کسب و کار می‌توانند در تکالیف داده کاوی نظیر دسته بندی، خوشه بندی، پیش بینی / رگرسیون، استخراج قوانین انجمنی و تشخیص داده های خارج از محدوده / انحرافی فرو بریزند. Rygielski et al. (2002) چندین تکنیک داده کاوی ارائه نمودند که که می‌توانند به منظور حل تکالیف CRM استفاده شوند. برای این بررسی، از این به بعد، ما از CRM و ACRM به صورت مترادف استفاده می‌کنیم.

 

این ترجمه مقاله را با دوستان خود به اشتراک بگذارید.

شاید این مقاله هم به دردتان بخورد  سیستم خبره هیبریدی با استفاده از استدلال مبتنی بر مورد و شبکه عصبی برای دسته بندی
درباره احسان رضایی

سفارش ترجمه آنلاین خدمات ترجمه مقاله isi به صورت فوری کاهش هزینه و زمان در سفارش ترجمه آنلاین

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *