Sirvi Autor "Parthiban, Prashanth" järgi

Tulemuste filtreerimiseks trükkige paar esimest tähte
Nüüd näidatakse 1 - 1 1
  • Pisipilt
    Kirje
    Klientide ebalojaalseks muutumise ennetamine ja klientide hoidmine tuginedes personaliseeritud soovitussüsteemile supermarketites
    (2016) Parthiban, Prashanth; Leontjeva, Anna
    Ebalojaalsed kliendid on olnud jaemüüjatele võtmetähtsusega saamata jäänud\n\rmüügitulu valdkonnas, eriti kui see puudutab internetivälist kaubandust. Kuna\n\rkliendid ei ole seotud lepingutega, siis nad sageli otsustavad konkurentide kasuks, sest konkurendid pakuvad erinevaid soodustusti ja stiimuleid.\n\rSelleks, et selliseid juhtumeid piirata, pakutakse välja raamistik, milles identifitseeritakse kliendid, kes muutvad ebalojaalseteks 3 kuni 6 kuu jooksul, tunduvalt varem järelvalvega masinõppe lähenemisega (Supervised Machine Learning Approach).\n\rKui ebaloojalsed kliendid tuvastatakse, luuakse soovitussüsteem tuginedes\n\rnende tehingute ajaloole, soovitamaks neile erinevaid tooteid, misläbi ennetatakse klientide ebaloojalseks muutumist.\n\rSelles töös pakutakse välja uus algoritmiline raamistik, et tuginedes soovitussüsteemile ületada ebalojaalsete klientide probleem. Efektiivseim viis ebaloojalse kliendi identifitseerimiseks tugineb RFM (äsjasus, sagedus ja raha) tunnustele. Mudelid on ehitatud erinevatele tarbijaga ja tema mineviku ostukäitumisega seotud tunnustele. Õige ja eesmärki teeniva algoritmi tuvastamine on võtmetähtsusega ning selleks rakendatakse ja testitakse toimimist mitmete erinevate algoritmidega nagu näiteks otsustusmets, k-lähima naabri meetod, otsustuspuud ning klassifitseerija võimendamismeetod gradiendiga.\n\rSoovitusmudel, mida kasutatakse, on kasutajapõhine kaasfiltreerimismeetod ja\n\rasjapõhine soovitussüsteem. Katsed viiakse läbi kasutades reaalseid turult saadud andmeid, et tõestada väljapakutava raamistiku efektiivsust. Seega churn'i ja soovitusmudeliga tuvastatakse potentsiaalsed ebaloojalsed kliendid ning seeläbi suudetakse neid kliente hoida.