دانشگاه علامه طباطبایی

  اخبار و اعلانات

 آمار

تعداد نشریات60
تعداد شماره‌ها2,022
تعداد مقالات16,253
تعداد مشاهده مقاله42,474,030
تعداد دریافت فایل اصل مقاله24,311,827
کاظمی, محمد, کرامتی, محمدعلی, مینوئی, مهرزاد. (1403). مدل بهبودیافته‌یLRFM جهت خوشه‌بندی بر مبنای الگوریتم ازدحام ذرات و خوشه بندی K-میانگین. سامانه مدیریت نشریات علمی, 12(48), 197-222. doi: 10.22054/ims.2023.75014.2364
محمد کاظمی; محمدعلی کرامتی; مهرزاد مینوئی. "مدل بهبودیافته‌یLRFM جهت خوشه‌بندی بر مبنای الگوریتم ازدحام ذرات و خوشه بندی K-میانگین". سامانه مدیریت نشریات علمی, 12, 48, 1403, 197-222. doi: 10.22054/ims.2023.75014.2364
کاظمی, محمد, کرامتی, محمدعلی, مینوئی, مهرزاد. (1403). 'مدل بهبودیافته‌یLRFM جهت خوشه‌بندی بر مبنای الگوریتم ازدحام ذرات و خوشه بندی K-میانگین', سامانه مدیریت نشریات علمی, 12(48), pp. 197-222. doi: 10.22054/ims.2023.75014.2364
کاظمی, محمد, کرامتی, محمدعلی, مینوئی, مهرزاد. مدل بهبودیافته‌یLRFM جهت خوشه‌بندی بر مبنای الگوریتم ازدحام ذرات و خوشه بندی K-میانگین. سامانه مدیریت نشریات علمی, 1403; 12(48): 197-222. doi: 10.22054/ims.2023.75014.2364

مدل بهبودیافته‌یLRFM جهت خوشه‌بندی بر مبنای الگوریتم ازدحام ذرات و خوشه بندی K-میانگین

مطالعات مدیریت کسب و کار هوشمند
مقاله 6، دوره 12، شماره 48، تیر 1403، صفحه 197-222    اصل مقاله (1.29 M)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22054/ims.2023.75014.2364
نویسندگان
محمد کاظمی1؛ محمدعلی کرامتی* 2؛ مهرزاد مینوئی3
1دانشجوی دکتری مدیریت فناوری اطلاعات، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
2دانشیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
3استادیار، گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
تلاش این مقاله در جهت حل یکی از مشکلات اصلی حوزه ی بانکداری می باشد که ارتباط تنگاتنگی با حوزه ی فناوری اطلاعات دارد. ترکیب بحث مدیریتی این موضوع با حیطه ی فناوری اطلاعات یکی از مباحث مهم حوزه ی مدیریت فناوری اطلاعات را رقم خواهد زد.هدف اساسی این مقاله، خوشه بندی مشتریان بانک است.
در ابتدا، تمامی ویژگی های مشتریان از پایگاه داده ی بانک استخراج گردیده که استخراج برای 900 هزار مشتری و به طور تصادفی انجام گرفته است که به عنوان ورودی در اختیار روش پیشنهادی این مقاله قرار خواهد گرفت. تمامی ویژگی-های این مشتریان استخراج شد و با استفاده از نظرات کارشناسان 10 ویژگی (به جز چهار ویژگی روش LRFM) لیست گردید. روش پیشنهادی باید از بین این 10 ویژگی بتواند ویژگی‌هایی را برای خوشه بندی مشتریان انتخاب کند که تفکیک پذیری بیش تری را در خوشه بندی نتیجه دهد. با توجه به تعداد بالای حالات این مساله، امکان انجام دستی آن وجود ندارد و روش پیشنهادی سعی می کند با بررسی حالات مختلف، برای مشتریان هر بانک الگوی مجزایی را برای خوشه بندی ارایه دهد. همچنین، مشکل انتخاب مقدار مناسب برای تعداد خوشه‌ها در روش K-میانگین به وسیله‌ی روش پیشنهادی این مقاله برطرف می گردد. نتایج حاصل، نشان از بهبود آن نسبت به روشRFM و‌LRFM پایه دارد.
کلمات کلیدی:مدیریت ارتباط با مشتریان بانک،خوشه بندی، مدل RFM،مدل LRFM، الگوریتم ازدحام ذرات، روش K-میانگین.
کلیدواژه‌ها
خوشه بندی؛ مدل LRFM؛ الگوریتم ازدحام ذرات؛ روش K-میانگین
مراجع
آمار
تعداد مشاهده مقاله: 216
تعداد دریافت فایل اصل مقاله: 165


سامانه مدیریت نشریات علمی. قدرت گرفته از سیناوب
login