PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2007 | Systemy wspomagania organizacji SWO 2007 | 403--411
Tytuł artykułu

Predykacja migrujących klientów firmy telekomunikacyjnej z wykorzystaniem złożonego klasyfikatora kontekstowego

Warianty tytułu
Języki publikacji
PL
Abstrakty
Rynki charakteryzujące się bezkolizyjnymi możliwościami zmiany dostawcy określonych usług lub dóbr, wysokim kosztem pozyskania klienta oraz dużym nasyceniem stają się wyzwaniem dla badaczy. Zwiększają się rzesze wędrujących klientów szukających satysfakcji w kolejnych firmach, nie ponosząc z tego tytułu prawie żadnych kosztów. Sytuacja ta wymusza zmiany strategii zarządzania relacjami z klientami. Nie wystarcza już tylko pozyskanie klienta, ważniejszym zadaniem staje się jego zatrzymanie, Wiele firm odkrywa, że ich działania w tym zakresie zawodzą. Przyczyn takiego stanu upatruje się w braku: - sformułowanej strategii zatrzymania klienta, - możliwości identyfikacji klientów generujących najwyższą wartość, - komunikacji wykraczającej poza moment sprzedaży towaru lub usługi, lub ograniczonej znajomości czynników zewnętrznych i konkurencyjnych, które wpływają na decyzję odejścia klienta, - integracji współdziałania klientów i obsługi, które zapewniłyby satysfakcję klienta. (fragment tekstu)
Twórcy
  • Akademia Ekonomiczna we Wrocławiu
Bibliografia
  • Berry M.J.A., Linoff G.: Mastering Data Mining. John Willey & Sons, New York 2000.
  • Dietterich T.G.: Ensemble Methods in Machine Learning. W: Proc. of 1th Intern. Workshop on Multiple Classifier Systems, 2000.
  • Hansen L,, Salamon P.: Neural Network Ensembles. "IEEE Trans. Pattern Analysis and Machine Intelligence" 1990, Vol. 12.
  • Jakubczyc J.A: Contextual Classifier Ensembles. W: Business Information Systems. Red. W. Abramowicz. LNCS 4439. Springer 2007.
  • Jakubczyc J.A.: Kontekstowy klasyfikator złożony. W: Nowoczesne technologie informatyczne w zarządzaniu. Red. E. Niedzielska, H. Dudycz, M. Dyczkowski. Prace Naukowe. AE, Wrocław 2006, nr 1121.
  • Customer Retention Assessment, KANBAY People&Technology Powering Tranformation. WWW.kanbay.com
  • Kuncheva L.I., Bezdek J.C., Duin R.P.W.: Decision Templates for Classifier Fusion: An Experimental Comparison. "Pattern Recognition" 2001, No. 34(2).
  • Kuncheva L.I., Whitaker C.J.: Measures of Diversity in Classifier Ensembles. "Machine Learning" 2003, Vol. 51.
  • Leung K.T., ParkerD.S.: Empirical Comparisons of Various Voting Methods in Bagging, SIGKDD'03. ACM, Washington 2003.
  • Nock R.: Inducing Interpretable Voting Classifiers without Trading Accuracy for Simplicity: Theoretical Results, Approximation Algorithms, and Experiments. "Journal of Artificial Intelligence Research" 2002, No. 17.
  • Parikh D., Kim M.T., Oagaro J., Mandayam S., Polikarp R.: Multiple Classifiers for Multisensor Data Fusion, IEEE - Sensors Application Symposium. Houston 2006.
  • Ruta D., Gabrys B.: Analysis of the Correlation Between Majority Voting Error and the Diversity Measures in Multiple Classifier Systems. W: Proc. of the 4 th International Symposium on Soft Computing. UK, Paisley 2001.
  • Ruta D., Gabrys B.: New Measure Of Classifier Dependency in Multiple Classifier Systems. W: Proc. Of the 3 th International Workshop on Multiple Classifier System, LNCS 2364. Red. F. Roli, J. Kittler. Springer Verlag, 2002.
  • Shipp C.A., Kuncheva L.I.: Relationship Between Combination Methods and Measures of Diversity in Combining Classifiers. "Information Fusion" 2002, No. 3(2).
  • ShiXin Y.: Feature Selection and Classifier Ensembles: A Study on Hyperspectral Remote Sensing Data. PhD The University of Antwerp, 2003.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171291851

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.