جستجوی مقالات مرتبط با کلیدواژه « customer retention strategies » در نشریات گروه « مدیریت »
تکرار جستجوی کلیدواژه «customer retention strategies» در نشریات گروه «علوم انسانی»-
نگهداری و حفظ روابط با مشتریان و جلوگیری از رویگردانی مشتری از وظایف مهم سازمان ها در بازارهای به شدت رقابتی کنونی است. در این پژوهش مسیله رویگردانی مشتری و استراتژی های حفظ و نگهداشت مشتری بررسی شده اند. این موضوعات از راه مرور ادبیات نظام مند و از زوایای مختلف از جمله زمینه فعالیت سازمان، درجه فردی سازی مدیریت ارتباط با مشتری، دسته بندی مشتریان، انتخاب مشتریان کلیدی، تعلق خاطر کارمندان به سازمان و ارزیابی عملکرد کارکنان سازمان بررسی قرار شده اند.علاوه بر این، ابزاری مبتنی بر شبکه های یادگیری عمیق جهت پیش بینی رویگردانی مشتری استفاده شده است. در نتیجه یک چارچوب و مدل مفهومی بر پایه ادبیات موجود در این حوزه ایجاد شده و بعد از آن با مدل پیش بینی رویگردانی مشتری با استفاده از شبکه های یادگیری عمیق ترکیب شده است. نتایج نشان می دهد استفاده از یادگیری عمیق در پیش بینی رویگردانی مشتری یک شیوه کاملا موثر و کارآمد برای حل مسیله ارتباط، حفظ و نگهداشت مشتری است. این رویکرد نه تنها قادر به پیش بینی دقیق این است که کدام یک از مشتریان سازمان در حال رویگردانی از سازمان و قطع ارتباط خود با سازمان هستند، بلکه می تواند به طور دقیق عوامل و پارامترهای موثر بر رویگردانی مشتری را شناسایی کند و بینش بسیار ارزشمندی برای واحد بازاریابی سازمان ها به ارمغان آورد.
کلید واژگان: مدیریت ارتباط با مشتری, رویگردانی مشتری, یادگیری عمیق, استراتژی های حفظ و نگهداشت مشتریCustomer Retention and maintaining customer relationships and preventing customers from Churn is one of the most important tasks of organizations in today's highly competitive markets. In this study, the issue of customer churn and customer retention strategies have been investigated. These issues have been studied through systematic literature review and from different angles such as the field of organization, degree of individualization of customer relationship management, customer segmentation, and selection of key customers, employee engagement and evaluation. In addition, a model based on deep learning networks has been used to predict customer churn. As a result, a conceptual framework and model is created based on the existing literature in this field and then combined with the customer churn prediction model using deep learning networks. The results show that the use of deep learning in predicting customer churn is a very effective and efficient way to solve the problem of customer retention and customer churn. This approach is not only able to accurately predict which of the organization's customers are turning away from the organization and disconnecting from the organization, but also can accurately identify the factors and parameters affecting customer churn and bring very valuable insight for the organization.
Keywords: Customer Relationship Management, Customer Churn, Deep Learning, Customer Retention Strategies
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.