دانلود کتاب Recommender System for Improving Customer Loyalty
49,000 تومان
سیستم توصیه کننده برای بهبود وفاداری مشتری
| موضوع اصلی | کامپیوتر – هوش مصنوعی (AI) |
|---|---|
| نوع کالا | کتاب الکترونیکی |
| ناشر | Springer International Publishing |
| تعداد صفحه | 133 |
| حجم فایل | 4.35 مگابایت |
| کد کتاب | 3030134385 , 9783030134389 |
| نوبت چاپ | ویرایش 1 |
| نویسنده | Katarzyna Tarnowska, Lynn Daniel, Zbigniew W. Ras |
|---|---|
| زبان | انگلیسی |
| فرمت | |
| سال انتشار | 2020 |
جدول کد تخفیف
| تعداد کتاب | درصد تخفیف | قیمت کتاب |
| 1 | بدون تخفیف | 25,000 تومان |
| 2 | 20 درصد | 20,000 تومان |
| 3 الی 5 | 25 درصد | 18,750 تومان |
| 6 الی 10 | 30 درصد | 17,500 تومان |
| 11 الی 20 | 35 درصد | 16,250 تومان |
| 21 الی 30 | 40 درصد | 15,000 تومان |
| 31 الی 40 | 45 درصد | 13,750 تومان |
| 41 الی 50 | 50 درصد | 12,500 تومان |
| 51 الی 70 | 55 درصد | 11,250 تومان |
| 71 الی 100 | 60 درصد | 10,000 تومان |
| 101 الی 150 | 65 درصد | 8,750 تومان |
| 151 الی 200 | 70 درصد | 7,500 تومان |
| 201 الی 300 | 75 درصد | 6,250 تومان |
| 301 الی 500 | 80 درصد | 5,000 تومان |
| 501 الی 1000 | 85 درصد | 3,750 تومان |
| 1001 الی 10000 | 90 درصد | 2,500 تومان |
This book presents the Recommender System for Improving Customer Loyalty. New and innovative products have begun appearing from a wide variety of countries, which has increased the need to improve the customer experience. When a customer spends hundreds of thousands of dollars on a piece of equipment, keeping it running efficiently is critical to achieving the desired return on investment. Moreover, managers have discovered that delivering a better customer experience pays off in a number of ways. A study of publicly traded companies conducted by Watermark Consulting found that from 2007 to 2013, companies with a better customer service generated a total return to shareholders that was 26 points higher than the S&P 500. This is only one of many studies that illustrate the measurable value of providing a better service experience.
The Recommender System presented here addresses several important issues. (1) It provides a decision framework to help managers determine which actions are likely to have the greatest impact on the Net Promoter Score. (2) The results are based on multiple clients. The data mining techniques employed in the Recommender System allow users to “learn” from the experiences of others, without sharing proprietary information. This dramatically enhances the power of the system. (3) It supplements traditional text mining options. Text mining can be used to identify the frequency with which topics are mentioned, and the sentiment associated with a given topic. The Recommender System allows users to view specific, anonymous comments associated with actual customers. Studying these comments can provide highly accurate insights into the steps that can be taken to improve the customer experience. (4) Lastly, the system provides a sensitivity analysis feature. In some cases, certain actions can be more easily implemented than others. The Recommender System allows managers to “weigh” these actions and determine which ones would have a greater impact.
ترجمه فارسی (ترجمه ماشینی)
این کتاب سیستم توصیهکننده را برای بهبود وفاداری مشتری ارائه میکند. محصولات جدید و نوآورانه از کشورهای مختلف ظاهر شده اند، که نیاز به بهبود تجربه مشتری را افزایش داده است. هنگامی که مشتری صدها هزار دلار را برای یک قطعه هزینه می کند، کارآمد نگه داشتن آن برای دستیابی به بازگشت سرمایه مورد نظر بسیار مهم است. علاوه بر این، مدیران دریافتهاند که ارائه یک تجربه بهتر به مشتری به روشهای مختلفی نتیجه میدهد. مطالعه شرکت های سهامی عام انجام شده توسط Watermark Consulting نشان داد که از سال 2007 تا 2013، شرکت هایی با خدمات بهتر به مشتریان بازدهی کلی برای سهامداران ایجاد کردند که 26 امتیاز بالاتر از S&P 500 بود. این تنها یکی از بسیاری از مطالعاتی است که نشان می دهد. ارزش قابل اندازه گیری ارائه یک تجربه خدمات بهتر.
سیستم توصیهکننده ارائه شده در اینجا به چندین موضوع مهم میپردازد. (1) چارچوب تصمیم گیری را برای کمک به مدیران فراهم می کند تا تعیین کنند کدام اقدامات احتمالاً بیشترین تأثیر را بر امتیاز خالص تبلیغ کننده دارند. (2) نتایج بر اساس چندین مشتری است. تکنیکهای دادهکاوی به کار گرفته شده در سیستم توصیهکننده به کاربران این امکان را میدهد که از تجربیات دیگران بیاموزند، بدون اینکه اطلاعات اختصاصی را به اشتراک بگذارند. این به طور چشمگیری قدرت سیستم را افزایش می دهد. (3) گزینه های متن کاوی سنتی را تکمیل می کند. متن کاوی می تواند برای شناسایی فراوانی موضوعات ذکر شده و احساسات مرتبط با یک موضوع مورد استفاده قرار گیرد. سیستم توصیهکننده به کاربران اجازه میدهد نظرات خاص و ناشناس مرتبط با مشتریان واقعی را مشاهده کنند. مطالعه این نظرات می تواند بینش بسیار دقیقی در مورد مراحلی که می توان برای بهبود تجربه مشتری برداشت. (4) در نهایت، سیستم یک ویژگی تجزیه و تحلیل حساسیت را فراهم می کند. در برخی موارد، اقدامات خاصی را می توان آسانتر از سایرین اجرا کرد. سیستم توصیهکننده به مدیران اجازه میدهد تا این اقدامات را «سنگین» کنند و تعیین کنند که کدام یک تأثیر بیشتری دارند.

نقد و بررسیها
هنوز بررسیای ثبت نشده است.