Zarządzanie zmianą preferencji klientów

• Autorzy: Olga Pilipczuk

Warianty tytułu

Management of Change of Customer Preferences

• Języki publikacji: PL

Abstrakty

W artykule przedstawiono główne nurty w koncepcjach badania preferencji, szczególną uwagę poświęcając badaniom nad ich zmiennością. Przeanalizowano współczesne modele pomiaru i przewidywania preferencji i wyodrębniono słabe punkty tych modeli. W wyniku przeprowadzonych badań nad literaturą tematu określono wymagania, którym powinny odpowiadać modele pomiaru i przewidywania preferencji. Głównym celem artykułu jest prezentacja modelu autorskiego pomiaru i przewidywania zmian preferencji konsumentów odpowiadającego postawionym wymaganiom. W procesie tworzenia modelu wykorzystano podejście systemowe. (abstrakt oryginalny)

EN

The paper presents the main trends in preference research concepts. A special attention is given to research on preferences changes. Furthermore, current models of preference measuring and predicting are analyzed and weak points of these models are described. The study of literature is made to determine the requirements to be met by preference measuring and predicting models. The main objective of this paper is to present the author's model for measuring and predicting changes in consumer preferences corresponding to the posed requirements. Author uses a systems approach in the model creation process. (original abstract)

Słowa kluczowe

PL

Preferencje konsumenta; Badanie preferencji konsumenckich; Podejście systemowe

EN

Consumer preferences; Consumer preferences research; System-based approach

• Czasopismo: Ekonomika i Organizacja Przedsiębiorstwa
• Rocznik: 2012
• Numer: nr 5
• Strony: 81--89

Twórcy

autor

Olga Pilipczuk

• Uniwersytet Szczeciński

Bibliografia

• 1.L. Baitag, S. Moss, and S. Sołecki, The logic of common knowledge, public announcements, and private suspicions, in I. Gilboa (ed.), Proceedings of the 7th Conference on Theoretical Aspects of Rationality and Knowledge, 1998, pp. 43-56.
• 2.D. Blei, M. Jordan, Latent Dirichlet allocation, Journal of Machine learning Research, N3, 2003, s.933-1022.
• 3.R. Bradley, Preference Kinematics, Preference change: Approaches from Philosophy, Economics and Psychology, Springer Dordrecht Heidelberg London New York, 2009, s. 221-243.
• 4.G. Coppin, S. Delplanque, I. Cayeux, C. Porcherot, D. Sander. I'm no longer torn after choice: How explicit choices can implicitly shape preferences for odors, Psychological Science, N21, 2010, s.489-493.
• 5.Fenrong Liu, Preference Change: A Quantitative Approach, Studies in Logic, Vol. 2, No. 3, 2009.
• 6.T. Gr'une-Yanoff, S. Hansson, Preference Change: An Introduction, Springer Dordrecht Heidelberg London New York, 2009, s. 1-27.
• 7.T. Hofmann, Latent semantic models for collaborative filtering, ACM Transactions on Information Systems, N22 (1), 2004, s. 89-115.
• 8.R. Jin, L. Si, A Bayesian approach towards active learning and collaborative filtering, Uncertainty in Artificial Intelligence Proceedings, 2004, p. 278-285.
• 9.D. Kahneman, A. Tversky, Choices, values and frames, New York: Cambrige University Press and the Rüssel Sage Foundation, 2000.
• 10.J. Konstan, B. Miller, D. Maltz, J. Herlocker, Grouplens: Applying collaborative filtering to Usenet news, Communications of the ACM, N40(3), 1997, s.77-87.
• 11.J. Lang, L. van der Torre, From belief change to preference, change, Proceedings of ECAI, 2008.
• 12.S. Lichtenstein, P. Slovic. The construction of preference Cambridge University Press Cambridge, New York, 2006.
• 13.B. Mariin, Modeling using rating profiles for collaborative filtering, Advances in Neural Information Processing Systems 16, Cambridge, 2004, s.627-634.
• 13. 14.R. Pollak, Interdependent Preferences. American Economic Review, N66 (3), 1976, s.309-320.
• 15.J. Pritchard, M. Stephens, P. Donnely, Inference of population structure using multilocus genotype data., Genetics, N155, 2000, s. 945-959.
• 16.K. Scherer, What are emotions? And how can they be measured? Social Science Information, Vol 44, N 4, 2005, s. 695-729.
• 17.U. Shardanand, P. Maes, Social information filtering: Algorithms for automating "word of mouth", Computer Human Interaction Proceedings, Denver, 1995, s.210-217.
• 18.T. Sharot, B. De Martine, R. Dolan, How Choice Reveals and Shapes Expected Hedonic Reaction, Journal of Neuroscience, N29 (12), 2009, s. 3760-3765.
• 19.X. Su, T. Khoshgoftaar, A Survey of Collaborating Filtering Techniques, Advances in Artificial Intelligence, 2009.
• 20.A. Tversky, D. Kahneman, The framing of decisions and the psychology of choice Science, American Association for the Advancement of Science, N 211, 1981, s. 453-458.
• 21.J. van Benthem, Exploring Logical Dynamics, CSLI Publication, Stanford, USA, 1996.
• 22.H. van Ditmarsch, W. van der Hoek, B. Kooi, Dynamic Epistemic Logic, Springer, Berlin, 2007.
• 23.J. Webster, P. Phalan, The Mass Audience: Rediscovering the Dominant Model, Lawrence Erlbaum Associates Publishers, New Jersey, USA, 1997.
• 24.H. Wettig, J. Lahtinen, T. Lepóla, P. Myllymaki, H. Tirri, Bayesian analysis of on-line newspaper log data, Symposium on Applications and the Internet Workshop Proceedings, 2003, s. 278-282.
• 25.C. Zitnick, T. Kanadę, Maximum entropy for collaborating filtering, Uncertainty in Artificial Intelligence Proceedings, 2004, s.636-643.