Model przewidywania lojalności klientów ogólnopolskiej sieci biur podróży

• Autorzy: Izabela Michalska-Dudek

Warianty tytułu

The model for predicting customer loyalty in the nationwide network of travel agencies in Poland

• Języki publikacji: PL

Abstrakty

W artykule przedstawiona została propozycja modelu - opartego na sztucznych sieciach neuronowych - przewidującego lojalność nabywców usług turystycznych wraz z jego przykładowym zastosowaniem i weryfikacją dla ogólnopolskiej sieci franczyzowej agencyjnych biur podróży. Na podstawie danych z przeszłości dotyczących cech, aktywności i historii zakupowej dotychczasowych klientów multiagenta turystycznego, autorka zaproponowała zbudowanie modelu predykcji behawioralnej lojalności klientów, który pozwolił podzielić klientów na grupy o różnym poziomie zagrożenia odejściem i szansami na dalsze zakupy, a następnie zaprojektować odpowiednie dla wydzielonych grup klientów działania marketingowe. Ponadto model umożliwił identyfikację kluczowych czynników wpływających na wystąpienie zjawiska lojalności nabywców usług turystycznych, którymi są: czas trwania imprezy turystycznej, liczba nabytych ofert oraz czas pomiędzy datą rezerwacji a datą rozpoczęcia imprezy turystycznej.(abstrakt oryginalny)

EN

The article presents the proposal of a model - based on artificial neural networks - predicting loyalty of tourist services customers along with the example of its application and verification for the nationwide franchise network of travel agencies in Poland. Based on the historical data referring to the purchase characteristics, activities and history of the existing clients of a tourist multi-agent, the author suggested the construction of a prediction model for behavioural loyalty of clients, which will allow for dividing customers into groups featuring different levels of risks related to losing a client and chances for making further purchases, to be followed by developing adequate marketing activities for the particular groups of clients. Moreover, the model will facilitate the identification of key factors influencing the occurrence of customer loyalty in terms of tourist services, such as: tourist event duration, number of purchased offers and time between the booking date and the date of a tourist event commencement.(original abstract)

Słowa kluczowe

PL

Sztuczne sieci neuronowe (SSN); Modele neuronalne; Usługi turystyczne; Biuro podróży

EN

Artificial neural networks (ANN); Neuronal models; Tourism services; Travel agency

• Czasopismo: Logistyka
• Rocznik: 2015
• Numer: nr 2, CD 2
• Strony: 1279--1286

Twórcy

autor

Izabela Michalska-Dudek

• Uniwersytet Ekonomiczny we Wrocławiu

Bibliografia

• Bishop C. M., Neural networks for pattern recognition, Oxford University Press Great Clarendon Street, Oxford 1995.
• Dudek A., Michalska-Dudek I.: Model przewidywania lojalności klientów biur podróży z wykorzystaniem sieci neuronowej typu MLP, "Marketing i Rynek", nr 8/2011, s 21-29.
• Electronic Statistics Textbook, StatSoft, Inc., Tulsa, Oklahoma 2013, opublikowano: http://www.statsoft.com/textbook/ [dostęp: 11.11.2014].
• Gatnar E., Nieparametryczna metoda dyskryminacji i regresji, Wydawnictwo Naukowe PWN, Warszawa 2001.
• Lula P., Paliwoda-Pękosz G., Tadeusiewicz R., Metody sztucznej inteligencji i ich zastosowania w ekonomii i zarządzaniu, Wydawnictwo Akademii Ekonomicznej w Krakowie, Kraków 2007.
• Reichheld F.F., Sasser Jr. W.E., Zero Defections. Quality Comes to Service, "Harvard Business Review", vol. 9-10/1999, s. 105-111.
• Ripley B.D., Pattern Recognition and Neural Networks, Cambridge University Press, Cambridge 1996.
• Rosenblatt F., The perceptron: A probabilistic model for information storage and organization in the brain, "Psychological Review", vol. 65(6)/1958, s. 386-408.
• Tadeusiewicz R., Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993.
• Waszczyszyn Z., Wprowadzenie do sztucznych sieci neuronowych i ich zastosowań w mechanice konstrukcji, (w:) Sztuczne sieci neuronowe, algorytmy genetyczne, zbiory rozmyte, Gajewski R. (red.), Studio BEL, Rzeszów 1999, s. 5-36.