داده کاوی
توجه :
شما می توانید با خرید این محصول فایل " قلق های پایان نامه نویسی (از عنوان تا دفاع)" را به عنوان هدیه دریافت نمایید.
بسیاری از فروشگاهها پس از گذشت یک ربع قرن از آغاز فعالیت، هنوز مشتری وفادار خود را دارند. این وفاداری تصادفی نیست. اداره کنندگان این فروشگاهها به سلایق و نیازهای مشتریان خویش واقف شده اند و توان مالی خرید آنها را می شناسند. وقتی کسی از آنها راهنمایی بخواهد پاسخ آنها براساس دانش اندوخته شان در مورد ذائقه و بودجه آن مشتری و همچنین دانش شان در باره محصولات خودشان خواهد بود.
افرادی که به این فروشگاه رفت و آمد دارند در مورد کالاهای آن فروشگاه چیزهای زیادی می دانند. هر چند این دانش یکی از دلایل آنها برای ایجاد خرید از آنجاست و به همین دلیل به فروشگاه های دیگر نمی روند ولی داشتن اطلاعات خودمانی و صمیمانه در باره هر شخص آنها را مشتری دائمی آنجا می کند و به یک مغازه مشابه دیگر در آنطرف خیابان و روبروی همین فروشگاه نمی روند و برخوردار بودن این فروشگاه از اطلاعات خودمانی و صمیمانه در باره هر شخص آنها را مشتری دائمی آنجام می کند . یک مغازه مشابه دیگر می تواند در آنطرف خیابان و روبروی همین مغازه باز شود ولی ماهها و حتی سالها طول می کشد تا آنها به این سطح از دانش در باره مشتریانشان دست یابند.
طبیعتاً تجارتهای کوچکی که مدیریت خوبی دارند می توانند به نحوه ایجاد رابطه با مشتریانشان پی ببرند. آنها با گذشت زمان در باره مشتریانشان به چیزهای بیشتر و بیشتری پی خواهند برد و از آن دانش برای خدمت بهتر به مشتریان استفاده خواهند نمود و نتیجه کار، مشتریان وفادار و خرسند و تجارتهای سودآور خواهد بود.
شرکتهای بزرگ با صدها هزار یا میلیونها نفر مشتری از مزیت برقراری روابط شخصی حقیقی با تک تک مشتریانشان بی بهره اند. این موسسات عظیم باید به وسایل دیگری برای برقراری رابطه با مشتریانشان تکیه نمایند. آنها باید یاد بگیرند که از آنچه که به وفور دارند یعنی داده هایی که از طریق تعامل با تک تک مشتریان به دست آمده است نهایت بهره را ببرند. این کتاب در مورد تکنیکهای تحلیلی بحث میکند که برای تبدیل داده های مشتریان به دانش در باره مشتریان استفاده میشود.
عناوین :
مدیریت روابط تحلیلی با مشتریان
نقش سیستمهای پردازش تعاملات
نقش ذخیره سازی داده ها
نقش داده کاوی
نقش استراتژی مدیریت روابط با مشتری
داده کاوی چیست؟
دسته بندی
تخمین
پیش بینی
دسته بندی شباهت یا قوانین وابستگی
خوشه بندی
نمایه سازی
چرا حالا؟
داده ای که ایجاد شده است
داده ای که ذخیره شده است
توان محاسباتی قابل دسترسی است
علاقه به مدیریت روابط با مشتریان فراوان است
همه تجارتها، خدمات هستند
اطلاعات یک محصول است
محصولات نرم افزاری داده کاوی تجاری موجودند
امروزه چگونه از داده کاوی استفاده می شود؟
یک سوپر مارکت واسطه اطلاعات می شود
تجارت بر اساس توصیه
فروش متقابل و همزمان
شرکت ها از داده کاوی برای توسعه توانایی فروش
حفظ مشتریان خوب و غربال کردن مشتریان بد
تحول اساسی در یک صنعت
گستره کاربرد دانش داده کاوی
مطالب آموخته شده در این فصل
روشهای داده کاوی
چرا باید روشی داشت؟
یادگیری چیزهایی که درست نیستند
ممکن است الگوها نشان دهنده هیچ قاعده ضمنی نباشند
مجموعه مدل ممکن است نشانگر جامعه مرتبط نباشد
ممکن است داده ها دارای سطح جزئیات نادرستی باشد
یادگیری چیزهایی که درست هستند اما مفید نیستند
یادگیری چیزهایی که از قبل معلوم بوده اند
یادگیری چیزهایی که قابل استفاده نیستند
آزمون فرضیه
تولید فرضیات
آزمودن فرضیات
مدل هاف نمایه سازی و پیش بینی
نمایه سازی
پیش بینی
مراحل داده کاوی
مرحله اول : تبدیل مسئله کسب و کار و تجارت به یک مسئله داده کاوی
مسئله داده کاوی چگونه مسئله ای است؟
چگونه از نتایج استفاده خواهد شد؟
چگونه نتایج بیان خواهد شد؟
نقش کاربران تجاری و فن آوری اطلاعات
خطردرک نادرست مسئله کسب و کار و تجارت: یک حکایت هشدار دهنده
مرحله دوم: انتخاب داده های مناسب
چه چیزی موجود است ؟
چقدر داده کافی است ؟
چه مقدار از اطلاعات پیشین مورد نیاز است؟
تعداد مناسب متغیرها
داده ها باید حاوی چه چیز باشند؟
مرحله سوم : شناخت داده ها
بررسی توزیعها
مقایسه ارقام با توصیفات
اعتبار بخشی به فرضیات
سئوالات زیادی بپرسید
مرحله چهارم : تهیه یک مجموعه مدل
جمع آوری بخشهای مشتریان
تهیه یک نمونه متعادل
در نظر گرفتن چارچوبهای زمانی چند گانه
تقسیم بندی مجموعه مدل
مرحله پنجم: رفع مشکلات داده ها
- متغیرهای عددی با توزیع و مشاهدات پرت نادرست
مقادیر گمشده
ارقام با معانی که در طول زمان تغییر می کنند
کد گذاری غیر ثابت داده ها
مرحله ششم: تبدیل داده ها برای استخراج اطلاعات
کشف روندها
تبدیل شماره ها به نسبتها
مرحله هفتم : تهیه مدلها
مرحله هشتم : ارزیابی مدلها
- ارزیابی مدلهای توصیفی
- ارزیابی مدلهای هدایت شده
- ارزیابی دسته بندی کننده ها و پیشگوها
- ارزیابی تخیمن زننده ها
مقایسه مدلها با استفاده از صعود
مشکلات صعود
مرحله نهم : پیاده سازی مدلها
مرحله دهم : ارزیابی نتایج
مرحله یازدهم: شروع دوباره
مطالب آموخته شده در این فصل
کاربرد داده کاوی در بازاریابی و مدیریت ارتباط با مشتری
مشتری با لقوه
شناسایی مشتریان بالقوه خوب
انتخاب کانال ارتباطی
انتخاب پیامهای درست
چه کسی با مشخصات مطابقت دارد؟
اندازه گیری تطابق گروههای خوانندگان
داده کاوی برای بهبود اعمال بازاریابی مستقیم
مدل سازی پاسخ
بهینه کردن پاسخ با بودجه ای ثابت
بهینه سازی سوددهی اعمال بازاریابی
چگونه مدل بر سوددهی اثر می گذارد؟
یافتن افرادی که بیشتر از دیگران تحت تأثیر پیام قرار گرفته اند
تجزیه و تحلیل پاسخای متفاوت
استفاده از مشتریان فعلی جهت شناخت مشتریان بالقوه
مشتریان را پیش از این که تبدیل به مشتری شوند دنبال کنید
اطلاعات مشتریان جدید را جمع آوری کنید
متغیرهای زمان جذب مشتری می تواند نتایج آینده را پیش بینی نماید
داده کاوی برای مدیریت ارتباط با مشتری
مطابقت فعالیتها با مشتریان
بخش بندی مشتریان
یافتن قسمتهای رفتاری
اتصال قسمتهای تحقیقات در بازار با داده های رفتاری
کاهش مواجه با خطرات اعتباری
پیش بینی کسی که در پرداخت بدهی خود کوتاهی خواهد کرد
تعیین ارزش مشتری
یافتن زمان مناسب برای یک پیشنهاد
فروش چند بعدی و فروش صعودی و توصیه ها
توصیه ها
حفظ و از دست دادن مشتری
تشخیص از دست دادن مشتری
چرا از دست دادن مشتری مهم است
انواع مختلف از دست دادن مشتری
انواع مختلف مدل های از دست دادن مشتری
پیش بینی و تعیین مشتریانی که سیستم را ترک می کنند
پیش بینی این که مشتریان تا چه مدت باقی خواهند ماند
مطالب آموخته شده در این فصل