مقاله داده کاوی در تجارت الکترونیک



همیار دانشجو
مقاله داده کاوی در تجارت الکترونیک – Article Data mining in e-commerce با بهترین کیفیت که در ادامه قسمتی از آن را مشاهده می کنید
مسائل کسب و کار برای داده‌کاوی
راستی دوستان اگر به دنبال پایان نامه کاربرد داده کاوی در بانکداری الکترونیکی نیز هستید روی نوشته کلیک کنید.
تکنیکهای داده‌کاوی می تواند برای کاربردهای بسیاری بکار رود، در زیر تعدادی از مسائل کسب و کار معمولی را که می‌توان با داده‌کاوی برای آنها پاسخی یافت، شرح داده می‌شود:
تحلیل رویگردانی : کدام مشتریان بیشتر تمایل دارند بسمت رقیب ما بروند؟ امروزه صنایع تله کام، بانکداری و بیمه، بیش از دیگران در معرض این رقابت ها هستند. بطور متوسط، هر مشترک جدید تلفن همراه، برای شرکت تلفن، هزینه ای بالغ بر ۲۰۰ دلار در بازار سرمایه گذاری دارد. هر کسب و کاری می خواهد مشتریان بیشتری را کسب کند. تحلیل رویگردانی می تواند به مدیران بازاریابی کمک کند تا دلایل رویگردانی مشتری را درک کند و روابط مشتری را بهبود دهد و وفاداری مشتری را افزایش دهد.
فروش متقاطع : مشتریان چه محصولاتی را دوست دارند بخرند؟ فروش متقاطع برای خرده فروشان یک چالش تجاری بزرگ است. بسیاری از خرده فروشان، بویژه خره فروشان online، برای افزایش فروش خود از این ویژگی استفاده می کنند. برای مثال، اگر شما به یک کتابفروشی Online مثل Amazon.com برای خرید یک کتاب، بروید، شما متوجه شده اید که وب سایت مجموعه ای از پیشنهادات درباره کتابهای مرتبط را به شما پیشنهاد می کند. این پیشنهادات را می توان از تحلیل دده کاوی گرفت.
کشف تقلب: آیا این ادعای بیمه، کلاهبرداری است؟ شرکت های بیمه، روزانه هزاران دعوی بیمه دارند. برای آنها مهم است که درباره هر مورد تحقیق و بررسی کنند. داده‌کاوی می تواند برای شناسایی دعاوی ای که بیشتر نادرست هستند، کمک کند.
مدیریت ریسک: آیا باید این درخواست وام برای این مشتری تصویب شود؟ این یک سوال بسیار رایج در سناریوهای بانکی است. تکنیک های داده‌کاوی می توانند برای رتبه بندی سطح ریسک یک مشتری، بکار روند، و به مدیر در گرفتن یک تصمیم مناسب برای هر کاربرد، کمک کنند.
قطعه‌بندی مشتریان: چه کسی مشتری من است؟ قطعه‌‌بندی مشتریان به مدیران بازاریابی کمک می‌کند که تفاوت های پروفایل‌های مشتریان را درک کنند و عمل بازاری مناسبی را بر مبنای هر بخش، انجام دهند.
تبلیغات هدف‌دار: چه بنر تبلیغی باید برای یک بازدیدکننده خاص، نمایش داده شود؟ فروشندگان وب و سایت های پورتال تمایل دارند که محتوای خود را برای مشتریانشان سفارشی کنند. با استفاده از الگوهای ناوبری مشتری یا خرید online، این سایت ها می توانند راه حل های داده‌کاوی را برای نمایش تبلیغات هدف دار برای مشتریانشان، بکار برند.
پیش‌بینی فروش: من چه نمونه‌هایی را در این فروشگاه در این هفته خواهم فروخت؟ تکنیک‌های پیش‌بینی داده‌کاوی می تواند برای پاسخ به انواع این پرسش های مرتبط با زمان، بکار روند.

دانلود مقاله داده کاوی در تجارت الکترونیک با فرمت word به صورت کامل در ۱۵۰ صفحه به قیمت ۶۵۰۰ تومان که لینک دانلود بلافاصله بعد از پرداخت نمایش داده می شود.

دانلود مقاله داده کاوی در تجارت الکترونیک

قسمتی از این مقاله (صفحه ۲۰)

داده کاوی و کاربرد آن در کسب و کار هوشمند بانک

با رشد فزاینده حجم داده‌ها در سیستمهای متنوع کسب و کار، و همچنین نیاز روز افزون جهت دستیابی به اطلاعات ارزشمند و معرفت از این داده‌های خام، داده کاوی به عنوان روشی مهم و پرکاربرد برای استخراج اطلاعات و ارضاء این نیاز مطرح شده است. در واقع داده کاوی(Data Mining) بخشی از فرایند استخراج معرفت(Knowledge Discovery) است که در آن الگوهای مفید و ضمنی در پایگاه داده ها جستجو می‌شوند. در این میان با افزایش کاربرد سیستمهای اطلاعات جغرافیایی، پایگاه‌های بزرگی از داده‌های متنوع جغرافیایی در دسترس قرار گرفته‌اند که کمک شایانی به انجام تحلیل‌های کامل‌تر و دقیق‌تر می‌نمایند.داده کاوی روی داده‌هایی که دارای یک یا چند ویژگی مکانی، فضایی و یا جغرافیایی باشند، داده کاوی فضایی(Spatial Data Mining) نامیده می‌شود و خروجی آن اطلاعات و معرفتی است که دارای خصوصیات فضایی و جغرافیایی، مانند مکان، جهت، فاصله، شکل هندسی و مانند آن می باشد.

هدف از این پروژه بررسی و اجرای یک روش داده کاوی پیشرفته روی داده‌های فضايي موجود در بانک ملت ایران می‌باشد که با داده‌های مختلف بانکی از قبیل مکان شعب، شاخصهای بانکی مانند درآمد، سود، هزینه، تعداد کارکنان، میزان مراجعه و مانند آن تلفیق خواهند شد. بدین معنی که بعد از انجام مراحل لازم جهت آماده سازی داده‌ها -با ملاحضات لازم به دلیل فضایی بودن آنها- برای عملیات داده کاوی، شامل پردازش و پاکسازی داده‌ها(Data Processing and Cleaning) و ساخت انبار داده‌ها(Data warehousing)، و همچنین در نظر گرفتن روشهای دسترسی به داده‌های فضایی(Spatial Data Access) ، الگوریتمی برای استخراج قوانین وابستگی(Association Rule Mining) توسعه و پیاده سازی خواهد شد و از آن برای کشف روابط موجود ما بین مقادیر مختلف فضايي و جغرافیایی مانند ترکیب جمعیتی، کاربری‌های منطقه، وضعیت سنی، درآمد، تحصیلات، موقعیت رقبا، شبکه معابر و مانند آن از یک طرف و شاخصهای بانکی شعب مانند سود، هزینه، درآمد، کارایی و مانند آن از طرفی دیگر استفاده خواهد شد. دانش استخراج شده از این فرایند، در تصمیم گیریی های مختلف مدیران در حوزه مدیریت شعب، مانند مکانیابی، توسعه، تلفیق و تنظیم شعب، کاربرد و اهمیت بالایی خواهد داشت.

داده کاوی در مدیریت ارتباط با مشتری

داده كاوي يكي از عناصر مديريت ارتباط با مشتري است و مي تواند به حركت شركتها به سمت مشتري محوري كمك كند.
داده هاي خام از منابع مختلفي جمع آوري مي شوند و از طريق استخراج، ترجمه و فرايندهاي فراخواني به انبار داده اين مديريت وارد مي شوند. در بخش مهيـــاسازي داده، داده ها از انبار خارج شده و به صورت يك فرمت مناسب براي داده كاوي در مي آيند.
بخش كشف الگو شامل چهار لايه است:
۱ – سوالهاي تجاري مانند توصيف مشتري،۲ – كاربردها مانند امتيازدهي، پيش گويي،۳ – روشها مانند سري هاي زماني، طبقه بندي،۴ – الگوريتم ها.
در اين بخش روشهاي داده كاوي با كاربرد مخصوص خود براي پاسخ به سوالهاي تجاري كه به ذهن مي رسند، الگوريتم هايي را استخراج مي كنند و از اين الگوريتم ها براي ساخت الگو استفاده مي شود.
در بخش تجزيه و تحليل الگو، الگوها به يك دانش مفيد و قابل استفاده تبديل مي شوند و پس از بهبود آنها، الگوهايي كه كارا محسوب مي شوند در يك سيستم اجرايي به كار گرفته خواهند شد.
رابطه مشتري با زمان تغيير مي كند و چنانچه تجارت و مشتري درباره يكديگر بيشتر بدانند اين رابطه تكامل و رشد مي يابد. چرخه زندگي مشتري چارچوب خوبي براي به كارگيري داده كاوي در مديريت ارتباط با مشتري فراهم مي كند. در بخش ورودي داده كاوي، چرخه زندگي مشتري مي گويد چه اطلاعاتي در دسترس است و در بخش خروجي آن، چرخه زندگي مي گويد چه چيزي احتمالاً جالب توجه است و چه تصميماتي بايد گرفته شود. داده كاوي مي تواند سودآوري مشتري هاي بالقوه را كه مي توانند به مشتريان بالفعل تبديل شوند، پيش بيني كند و اينكه تا چه مدت به صورت مشتريان وفادار خواهند ماند و چگونه احتمالاً ما را ترك خواهند كرد.
بعضي از مشتريان مرتباً مراجعاتشان را به شركتها براي كسب مزيتهايي كه طي رقابت ميان آنها به وجود مي آيد، تغيير مي دهند. در اين صورت شركتها مي توانند هدفشان را روي مشترياني متمركز كنند كه سودآوري بيشتري دارند.
بنابراين مي توان از طريق داده كاوي ارزش مشتريان را تعيين، رفتار آينده آنها را پيش بيني و تصميمات آگاهانه اي را در اين رابطه اتخاذ كرد.
کاربردهای داده کاوی در کتابخانه ها و محیط های دانشگاهیداده کاوی در ابتدا از حوزه تجارت برخاست اما کاربردهای آن در سایر حوزه هائی که به گردآوری حجم وسیعی از داده هائی می پردازند که دستخوش تغییرات پویا نیز می گردند؛ مفید شناخته شد. بخشهایی مثل بانکداری، تجارت الکترونیک، تجارت سهام، بیمارستان و هتل از این نمونه اند.
انتظار میرود که استفاده از داده کاوی در بخش آموزش بطور عام امکانهای جدید بسیاری ارائه دهد. برخی کاربردهای داده کاوی در کتابخانه ها و قسمت اداری آموزش در ذیل مورد بحث قرار گرفته اند. عملیات کتابداری بطور کلی شامل مدیریت مدارک، ارائه خدمات و امور اداره و نگهداری است. هر کدام از این کارکردها با انواع مختلفی از داده ها سروکار دارد و بطور جداگانه پردازش میشود. اگرچه، انجام تحلیل ترکیبی براین مجموعه های داده نیز میتواند افق تازه ای را بگشاید که به طرح خدمات جدید و تحول رویه ها و عملیات جاری کمک نماید. جدول یک برخی از کاربردهای ممکن داده کاوی را که میتواند در کتابداری مفید باشد ارائه میکند.

داده کاوی آماری و مدیریت بهینه وب سایت ها

هر سایت اینترنتی بر اساس حجم فعالیت خود برای نگهداری به افراد مختلفی که آشنا به امور فنی و اجرایی باشند نیاز دارد. مدیر سایت به عنوان شخصی که تنظیم کننده و هماهنگ کننده تمام این افراد است باید برای هر کدام از بخش‌های سایت از قبیل گرافیک، محتوا، امور فنی، بازاریابی و… برنامه‌های مختلفی را تهیه و برای اجرا در اختیار همکاران خود قرار دهد. این برنامه ها می توانند شامل برنامه های روزانه، هفتگی و ماهانه باشند. تمامی این برنامه ها در راستای یک هدف کلی و نهایی به انجام می رسند و آن هم بالا رفتن کارایی اقتصادی سایت است.
سایت ها زمانی می توانند خود را در سطح اقتصادی اطمینان بخشی قرار دهند که از بازدیدکنندگان و کاربران و قابل توجهی برخوردار باشند. برای این کار مدیر سایت سعی می کند مطالعه و تحقیق گسترده ای بر روی عوامل و ابزارهای افزایش دهنده تعداد کاربران سایت انجام دهد و از این طریق در واقع به مطالعه شرایط و موقعیت خود در بازار مجازی اینترنت می پردازد. به عنوان مثال وی در مورد رنگ های به کار رفته در سایت، لوگو و سایر قطعات گرافیکی سایت، متن های به کار رفته و بسیاری دیگر از مسائل مرتبط با سایت به بررسی و مطالعه می پردازد.

یکی از روش ها و راهکارهایی که کمک بسیار زیادی برای بهتر شدن فرآیند مدیریت وب سایت ها می کند استفاده از گزارش ها و تحلیل های آماری است. مدیران سایت ها و مدیران بازایابی شرکت ها با استفاده از گزارش های به دست آمده از فعالیت سایت اینترنتی می‌توانند شناخت خوبی از موقعیت و تاثیر فعالیت های خود پیدا کنند و از این طریق نقاط ضعف و قوت سایت را به راحتی شناسایی و برای حل و تقویت آنها تغییرات لازم را در سایت اعمال نمایند و به برنامه های آینده و حتی استراتژی های سایت جهت ببخشند.

داده کاوی در مقابل پایگاه داده

Data Mining vs database
۱- كاربر پايگاه داده ميداند دنبال چه چيزي است.
۲- اما كاربر داده كاوي ممكن است بداند و ممكن است نداند در جستجوي چيست.
۳- پاسخ پايگاه داده به سوال ۱۰۰٪ دقيق است٬ اگر داده صحيح باشد.
۴- اما تلاش داده كاوي اين است كه تا حد ممكن پاسخ دقيق بدست آورد.

۵- داده پايگاه داده همانطور كه ذخيره ميشود بازيابي نيز ميگردد.
۶- اما داده در داده كاوي٬قبل از توليد نتايج نياز به (تا حدي) تميز (clean) شدن دارد.
۷- نتايج پايگاه داده زير مجموعه اي از داده است.
۸- نتايج داده كاوي تجزيه و تحليل و آناليز داده است.
۹- معنا دار بودن نتايج آنقدر كه در داده كاوي اهميت داشته و جزء اصلي ترين مسايل آن مطرح ميگردد٬ در پايگاه داده مورد توجه نيست.
به عبارت ساده پايگاه داده تنها ذخيره و بازيابي داده است اما داده كاوي آناليزي است كه روي اين داده ها صورت ميپذيرد تا بتواند قوانيني از آن استخراج نمايد يا پيش بيني صورت دهد.

ابزارهای تجاری داده کاوی

DM Commercial Tools
در مورد ابزارهاي موجود براي داده كاوي بايد به اين نكات توجه داشت كه:
مدل/معماري مشتركي بين آنها موجود نمي باشد.
به منابع داده گوناگون و نه لزوماً همه گونه منبعي دسترسي دارند.
از يك يا بيشتر الگوريتم DM پشتيباني مينمايد.
ممكن است از تمام انواع داده پشتيباني كند يا نكند.
قابليتهاي مختلف اما نه تمام آنها را پشتيباني مينمايد.
وابسته به بستر كاري
هر كاربردي ممكن است با يك ابزار كار كند و با ابزار ديگر كار نكند.
ابزارهای تجاری برای داده کاوی
Darwin (Oracle Corp.)
MineSet (Silicon Graphics Inc. – SGI)
Intelligent Miner (IBM Corp)
Enterprise Miner (SAS Institute Inc.)
Clementine (SPSS Inc – Integral Solutions)
DMMiner (DBMiner Technology Inc.)
BrainMaker (California Scientific Software)
CART (Salford Systems)
MARS (Salford Systems)
Scenario (Cognos Inc.)
Web Analyst (Megaputer Intelligence Inc.)
SurfAid Analysis (IBM corp)
Visualizer Workstation (Computer Science Innovations, Inc)

داده کاوی در تجارت الکترونیک pdf

داده کاوی در تجارت الکترونیک doc

نقش داده کاوی در تجارت الکترونیک

کاربردهای داده کاوی در تجارت الکترونیک
جهت دانلود مقاله داده کاوی در تجارت الکترونیک از فرم زیر اقدام نمایید.

تعداد صفحات نوع فایل قیمت
150 word 6,500 تومان

مقاله داده کاوی در تجارت الکترونیک



دریافت شماره تلفن همراه صرفا جهت پشتیبانی می باشد و برای تبلیغات استفاده نمیشود.
اپلیکیشن دانلود رایگان سوالات پیام نور

بانک نمونه سوالات پيام نور خرید نمونه سوالات پیام نور دانلود سوالات ارشد پيام نور دانلود سوالات رشته حقوق پیام نور دانلود فایل های رایانش ابری دانلود نمونه سوالات دروس عمومی پیام نور دانلود نمونه سوالات رشته روانشناسي عمومي پيام نور دانلود نمونه سوالات پيام نور سئوالات پيام نور با پاسخنامه مجموعه سوالات آزمون استخدامی آموزش وپرورش نمونه سوالات ترمي ارشد پيام نور نمونه سوالات دانشگاه پيام نور نمونه سوالات پيام نور - کارشناسي ارشد نمونه سوالات پيام نور با جواب نمونه سوالات پيام نور با پاسخنامه نمونه سوال با پاسخ نمونه سوال پيام نور نمونه سوال پيام نوري نمونه سوال کارشناسي ارشد پيام نور پاسخ نامه نمونه سوالات پيام نور