پژوهش های نوین در تصمیم گیری

چکیده انتخاب استراتژی مناسب مدیریت ارتباط با مشتری اجتماعی، به عنوان یکی از مهم ترین عوامل موفقیت در پیاده سازی این فناوری شناخته شده است. بر این اساس، در این پژوهش به طراحی مدل انتخاب استراتژی مدیریت ارتباط با مشتری اجتماعی با استفاده از سیستم استنتاج فازی پرداخته شد. پژوهش حاضر از نظر هدف نوعی پژوهش توسعه ای-کاربردی است و از حیث ماهیت نیز یک پژوهش آمیخته محسوب می شود. برای دستیابی به هدف پژوهش، ابتدا داده های مورد نظر از طریق مرور ادبیات و مصاحبه با خبرگان گردآوری شد و در ادامه یک سیستم استنتاج فازی ترکیبی متشکل از دو سیستم خبره فازی برای انتخاب استراتژی مدیریت ارتباط با مشتری اجتماعی طراحی شد. سیستم خبره اول از تجمیع سه زیر سیستم عوامل سازمانی، عوامل مشتری و عوامل محیطی حاصل شد و سپس یک سیستم استنتاج تک لایه ای برای عوامل استراتژی طراحی شد. جامعه آماری تحقیق در بخش کیفی خبرگان دانشگاهی و صنعت در حوزه بازاریابی و مدیریت ارتباط با مشتری بود که تعداد 13 نفر از طریق روش نمونه گیری گلوله برفی به عنوان افراد نمونه انتخاب شدند. در مرحله تدوین قواعد سیستم استنتاج فازی نیز تعداد 46 نفر از خبرگان صنعت بیمه با نمونه گیری در دسترس انتخاب شدند. جهت تجزیه و تحلیل داده های مصاحبه از تحلیل محتوا و در جهت تدوین مدل انتخاب استراتژی مدیریت ارتباط با مشتری اجتماعی از روش سیستم استنتاج فازی با استفاده از نرم افزار متلب استفاده شد. نتایج حاکی از آن است که سیستم طراحی شده از اعتبار خوبی برخوردار است.

چکیده در سال‌های اخیر، با توسعه یادگیری ماشین و فناوری کلان داده، داده‌های کاربر به عنصر مهمی در فرآیند تولید شرکت‌ها تبدیل شده‌اند. با به کارگیری رویکردهای داده‌‏کاوی در داده‌های مشتریان، سازمان‌ها، الگوهای رفتاری مشتریان، نیازهای آن‌ها و ارتباط‌های پنهان داده‌ها را درک می‌کنند و براساس این الگوها بهتر می‌توانند در راستای برآورده ساختن نیاز مشتریان، منابع خود را به کار گیرند. خوشه‌‏بندی یکی از تکنیک‌های داده‌‏کاوی است که برای گروه‌‏بندی مشتریان متناسب با ویژگی‌های مختلف آن‌ها استفاده می‌شود. هدف اصلی این پژوهش خوشه‏ بندی مشتریان بر اساس شاخص‌های LRFMSP و در نهایت طبقه ‏بندی و پیش‌بینی رفتار خرید آن‌ها با استفاده از تکنیک‌های طبقه‏ بندی درخت تصمیم (DTC)، پرسپترون چندلایه (MLP) و ماشین بردار پشتیبان (SVM) است. مطالعه‌ی صورت گرفته بر روی 387496 تراکنش مشتریان یک فروشگاه خرده‌فروشی در غرب اروپا طی بازه زمانی فوریه 2018 تا فوریه 2019 می ‏باشد. هر تراکنش منتسب به مشتری بخشی از رفتار یک فرد است که بر روی مجموعه‌ای از معاملات مدل‌سازی می‌شود تا رفتار خرید مشتری را شکل دهد. انجام خوشه‏ بندی ++K-means و تعیین K بهینه منتهی به مشخص شدن سه خوشه برای مشتریان گردید. همچنین آزمایش و بررسی طبقه‏ بندی‏ کننده‏ ها نشان داد که طبقه‏ بندی‏ کننده MLP با یک لایه پنهان و 6 نورون در این لایه بیشترین دقت و طبقه‌بندی‌کننده DTC بیشترین سرعت را در بین طبقه‏‏‌بندی‏‌‏کننده‌‏های بررسی شده خواهد داشت. بررسی رفتار مشتریان خوشه‏‌ها نشان داد که مشتریان را می‌‏توان در سه دسته وفادار، بالقوه و از دست رفته تقسیم‏‌بندی نمود.

چکیده با ظهور رسانه‌های اجتماعی مردم ایده‌ها، تجربیات، نظرات و مقاصد خود را در توییتر، فیس‌بوک و دیگر پلتفرم‌های رسانه اجتماعی به اشتراک می‌گذارند. تحلیل و بررسی این نظرات در رسانه‌های اجتماعی اطلاعات سودمندی را در رابطه با بازار، مشتریان و رقبا به سازمان‌ها می‌دهد. یکی از این اطلاعات، قصد خرید کاربران است که برای استفاده‌های تجاری مانند بازاریابی هدفمند و شخصی‌سازی تبلیغات موردتوجه قرار می‌گیرد. در این پژوهش سیستمی مبنی بر هوش مصنوعی جهت پیش‌بینی قصد خرید کاربران در رسانه توییتر ارائه شده-است. تحقیق حاضر از لحاظ هدف کاربردی است و جامعه مورد بررسی شامل نظرات کاربران در سایت توییتر می باشد و نمونه مورد بررسی شامل توییت های کاربران در ارتباط با آیفون 13 می باشد. جهت انجام پژوهش 23000 توییت انگلیسی کاربران جمع آوری شد و احساسات آن‌ها با استفاده از روش مبتنی بر واژگان تحلیل شد و نتایج قابل قبولی بادقت 0.81 ارائه شد. نتایج حاصل از تحلیل احساسات نشان دهنده احساسات عمومی مثبت در مورد آیفون 13 است. قصد خرید کاربران توییتر با استفاده از شبکه عصبی عمیق پیچشی حافظه طولانی کوتاه‌مدت بادقت 0.81 استخراج شد. سپس برای سنجش اثرگذاری احساسات کاربران و ویژگیهای استاتیکی از مدل شبکه عصبی عمیق چندلایه پرسپترون استفاده شد که نتایج حاصل دقت 0.80 را نمایش داد. استفاده از این مدل و پیش‌بینی قصد خرید به مدیران بازاریابی کمک می‌کند تا برنامه‌ریزی مناسبی جهت شناسایی مشتریان خود انجام دهند و هزینه‌های بازاریابی را کاهش دهند.

چکیده با توسعه ارتباطات سیار و ظهور نسل پنجم، افزایش سرعت و قابلیت‌های اینترنت به عنوان توانمندساز اینترنت اشیا، تغییراتی را در زندگی و کار روزمره افراد ایجاد می‌کند. از سوی دیگر، مسائل زیست‌محیطی، احتمال بیماری-زایی و تردید در تحقق ویژگی‌های متصور وجود دارد که امروزه مورد بحث فراوان است. اکثر تحقیقات به ابعاد فنی و توسعه‌ای توجه داشته‌اند، در حالی که از منظر علوم اجتماعی، پذیرش فناوری جدید و از دیدگاه بازاریابی، رضایت مصرف کننده می‌تواند برای ارائه‌دهندگان خدمات مهم باشد. بر این اساس، هدف از این مطالعه بررسی درک کاربران شبکه اجتماعی توییتر به عنوان یک بستر میکروبلاگینگ در مورد نسل پنجم ارتباطات سیار با استفاده از روش‌های یادگیری ماشینی و تحلیل احساسات می‌باشد. از این رو، مجموعه‌ای از بیش از 40000 توییت در این زمینه از طریق رابط کاربری توییتر گردآوری شد و مدل شبکه عصبی بازگشتی با دقت 79 درصد ایجاد شد. در نهایت مدل‌سازی موضوع به روش آنالیز تشخیصی خطی برای تعمیق بیشتر انجام شد. نتایج نشان می دهد که اگرچه نارضایتی از کیفیت ارائه شده، هزینه و پوشش نسل پنجم ارتباطات سیار، نگرانی های بهداشتی، شایعات مربوط به کووید19 با نسل پنجم وجود دارد، اما همچنان افراد بیشتری نسبت به آینده این فناوری در زمینه‌های مختلف مانند اینترنت اشیا و هوش مصنوعی خوش بین هستند.

چکیده هزینه یابی بر مبنای فعالیت از زمان معرفی شدن تا کنون توجهات زیادی را به خود جلب کرده است. لیکن عملا مشکلات اجرایی در پیاده سازی این نظام هزینه یابی وجود دارد که باعث می شود علیرغم برتری محاسباتی هزینه یابی بر مبنای فعالیت نسبت به هزینه یابی سنتی، سازمان ها و شرکت ها همچنان علاقمند به استفاده از این روش هزینه یابی نباشند. در پژوهش حاضر مشکلات اجرایی که عملا در پیاده‌سازی هزینه‌یابی بر مبنای فعالیت وجود دارد، بررسی گردیده و برای حل مسئله تخمین رابطه هزینه- فعالیت (CER) و همچنین کاهش هزینه‌های انجام زمان‌سنجی در سازمان‌ها از رویکرد شبکه‌های عصبی مصنوعی استفاده شده است. جامعه آماری تحقیق کلیه شعب بانک مسکن می‌باشد که با استفاده از روش تحلیل پوششی داده‌های چند لایه (CI- DEA) و بر اساس مشابهت عملکرد در سال 1395 خوشه‌بندی گردیده و 450 شعبه به عنوان نمونه انتخاب گردید و برای آموزش و آزمون مدل شبکه‌های عصبی استفاده شده است. ویژگی متمایزکننده این الگو نسبت به سایر الگوها در نظر گرفتن رابطه بین هزینه- فعالیت بصورت غیرخطی است. معماری خاص شبکه پیشنهادی باعث می‌شود تا علاوه بر پیش‌بینی هزینه فعالیت، مقدار سهم محرک منبعی (زمان) که به عنوان محرک تسهیم هزینه به فعالیت در مدل اجرایی مرسوم، استفاده می‌شود نیز از مدل قابل استخراج باشد. نتایج RMSE و MAE مدل معرفی شده نشان داد که مدل ارائه شده قابلیت تخمین رابطه هزینه- فعالیت را دارا می‌باشد.

چکیده پژوهش حاضر به ارزیابی سطح بلوغ مدیریت دانش در سیصد شرکت ایرانی با استفاده مدل مرکز مدیریت و بهره وری آمریکا(APQC) پرداخته است. از بین سیصد شرکت برتر ایرانی، نود و نه شرکت پاسخگو با استفاده از روش نمونه گیری تصادفی به عنوان حجم نمونه انتخاب شده اند و با استفاده از پرسشنامه استاندارد مدل مرکز مدیریت و بهره وری آمریکا سال 2009 و آزمون میانگین، تی استیودنت، همبستگی و فریدمن مورد ارزیابی قرار گرفتند. پایایی پرسشنامه از روش آلفای سنجیده شد. بررسی ابعاد بلوغ مدیریت دانش نشان می دهند به ترتیب عاملهای فرهنگ، فناوری، فرآیند،رهبری و ارزیابی وضعیت بهتری دارند. سازمان های مرتبط با صنایع نفت و گاز و پتروشیمی، بانکها و بیمه و موسسات سرمایه گذاری و سایر شرکتهای تولیدی در سطح سوم بلوغ مدیریت دانش قرار دارند و شرکتهای مهندسی در سطح دوم یعنی توسعه یافته قرار دارند. یافته های فرعی نشان می دهند متوسط میزان بلوغ مدیریت دانش در سازمان های ایرانی بر روی سطح سوم یعنی سطح استاندارد شده قرار دارد. همچنین رابطه معنا داری میان اندازه سازمان، نوع صنعت، استفاده از پیمانکار و مشاور خارج از سازمان و بلوغ مدیریت دانش وجود ندارد. این در حالی است که بین وجود واحد مدیریت دانش در سازمان ، وجود پست رسمی مدیر ارشد دانش، سابقه فعالیت در خصوص مدیریت دانش و بلوغ مدیریت دانش ارتباط وجود دارد. واژگان کلیدی : مدیریت دانش ؛ بلوغ مدیریت دانش؛ ابزار ارزیابی مدیریت دانش