TY - JOUR ID - 1586 TI - پیش‌بینی پاسخ مشتریان در بازاریابی مستقیم با شبکه‌های عصبی چندلایه JO - کاوش‌های مدیریت بازرگانی JA - JBAR LA - fa SN - 2645-386X AU - زکی پور, مهدی AU - نعمتی زاده, سینا AU - افشار کاظمی, محمدعلی AD - استادیار، گروه مدیریت بازرگانی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران AD - دانشیار، گروه مدیریت بازرگانی، دانشکدة مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران AD - دانشیار، گروه مدیریت صنعتی، دانشکدة مدیریت و حسابداری، دانشگاه آزاد اسلامی، واحد تهران مرکزی، تهران، ایران Y1 - 2020 PY - 2020 VL - 11 IS - 22 SP - 355 EP - 379 KW - ارتقاء توان پیش‌بینی KW - عدم تعادل کلاس KW - داده‌کاوی KW - شبکة عصبی DO - 10.22034/jbar.2020.1586 N2 - هدف پژوهش حاضر شناسایی هر چه دقیق‌تر مشتریان بالقوه جهت مخاطب قرار دادن در برنامه‌های بازاریابی مستقیم است که از دیرباز به عنوان یکی از مسائل مهم و مورد علاقة بازاریابان شیوة مستقیم مطرح بوده است. مهم‌ترین مسئله در این راستا کاوش در مجموعة داده‌های مشتریان است که همواره از عدم توازن بالایی برخوردار می‌باشد. در این پژوهش با ترکیب روش‌های کم نمونه‌گیری و بیش‌نمونه‌گیری تصادفی کلاس اکثریت و اقلیت که در پژوهش‌های گذشته به کرات استفاده شده، با خوشه‌بندی مشتریان و استخراج نمونه‌‌های متعادل‌تر اقدام به طراحی و توسعه یک الگوریتم پویا و اثربخش در راستای شناسایی و پیش‌بینی مشتریان بالقوه نموده‌ایم. بدین‌منظور از پایگاه دادة مشتریان یک آژانس مسافرتی (بالغ بر 10000 رکورد) استفاده شده است. نتایج حاکی از آن است که با استفاده از داده‌های اولیه مشتریان به هیچ وجه نمی‌توان به یک پیش‌بینی قابل اتکا و استفاده دست‌یافت. بکارگیری روش‌های نمونه‌گیری مجدد با استفاده از خوشه‌بندی مشتریان و ترکیب کلاس‌های اقلیت و اکثریت به روش‌های مختلف و مطابق با الگوریتم ابتکاری ارائه شده می‌تواند توان پیش‌بینی طبقه‌بند درخت‌ تصمیم را به طرز شگفت‌انگیزی افزایش داده و در موقعیت‌ها و بازارهای مختلف مورد استفاده قرار گیرد. در نهایت با ترکیب نتایج حاصل از کدهای XML استخراج شده در هر مرحله و معیار «حاصل‌ضرب» می‌توان به شناسایی و رتبه‌بندی مشتریان بالقوه و هدف‌گذاری آنها به شیوه‌ای کارآمد پرداخت. UR - https://bar.yazd.ac.ir/article_1586.html L1 - https://bar.yazd.ac.ir/article_1586_f08d6089510b8e0a9d7fa5166eb90e62.pdf ER -