خانه ژورنال دانشجویان ایران ( Iranian Students Article House , www.entofa.net )
.
عنوان فارسی مقاله : بخش بندی مشتری در تجارت الکترونیک: کاربردهای مدل کسب و کار بازپرداخت نقدی
.
English Article Title: Customer segmentation in e-commerce: Applications to the cashback business model
Year: 2018
Publisher: ELSEVIER
Journal: Journal of Business Research
DOI: https://doi.org/10.1016/j.jbusres.2017.11.047

Keywords:
#Cashback
#Social_network
#E_commerce
#Customer_behavior
#Loyalty
#Affiliate_marketing
#بازپرداخت_نقدی
#شبکه_اجتماعی
#مدل_کسب‌و‌کار
#تجارت_الکترونیک
#مشتری
#رفتار_مشتری
#وفاداری
#بازاریابی_وابسته
#علوم_انسانی_و_اجتماعی (#Social_Sciences_and_Humanities)
#مقاله_تجارت
#مقاله_کسب‌و‌کار
#مقاله_مدیریت
#مقاله_حسابداری (#Business_Management_and_Accounting)
#مقاله_اقتصاد
#مقاله_مالی
#مقاله_فاینانس (#Economics_Econometrics_and_Finance)
#مقاله_علوم_اجتماعی (#Social_Sciences)
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)

چکیده مقاله:
این مقاله یک بخش بندی برای مشتریان وب سایت های بازپرداخت نقدی ارائه می دهد. بخش بندی براساس فعالیت جاری مشتریان و نقش آن ها در شبکه اجتماعی سایت مورد نظر می باشد. در این شبکه اجتماعی، مشتریان از تعاملات صورت گرفته برروی وب سایت های وابسته سودمند می شوند. ترکیب استراتژی های بازاریابی سنتی با توصیه های دهان به دهان برای موفقیت این مدل کسب و کار ضروری است، زیرا این توصیه ها موجب تقویت اکتساب مشتری و تقویت وفاداری مشتریان موجود میگردند. این مطالعه نشان می دهد چگونه نقش مشتری در شبکه اجتماعی وب سایت بازپرداخت نقدی، رفتار و فعالیت تجاری مشتریان بر روی سایت را تعیین می نماید. بخش بندی ارائه شده سفر مشتری از نظر سودآوری و ارشدیت مشتری را توضیح می دهد. این یافته ها رفتار مشتری در تجارت الکترونیک و ارزش اعمال استراتژی های سفارشی سازی شده در هر خوشه به جای استراتژی های عمومی یا استراتژی های اکتساب مشتری را توضیح می¬دهند. این مقاله توضیح می دهد چگونه مشتریان در میان خوشه ها حرکت کرده، به متخصصان اجازه می دهد وفاداری مشتری و سودآوری بلندمدت را افزایش دهند.

کلمات کلیدی: بازپرداخت نقدی، شبکه اجتماعی، تجارت الکترونیک، رفتار مشتری، وفاداری، بازاریابی وابسته

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/39thEoM

عنوان فارسی مقاله : GA CC-: الگوریتم ژنتیک براساس ضریب خوشه‌بندی برای تشخیص جوامع در شبکه‌های اجتماعی
.
English Article Title: CC-GA: A clustering coefficient based genetic algorithm for detecting communities in social networks
Year: 2018
Publisher: ELSEVIER
Journal: Applied Soft Computing
DOI: https://doi.org/10.1016/j.asoc.2017.11.014

Keywords:
#Community_detection
#Graph_clustering
#Genetic_algorithm
#Artificial_intelligence
#Social_network_analysis
#علوم_پایه_و_فنی_مهندسی (#Physical_Sciences_and_Engineering)
#مقاله_کامپیوتر (#Computer_Science)
#تشخیص_جامعه
#خوشه_بندی_نمودار
#الگوریتم_ژنتیک
#هوش_مصنوعی
#تجزیه_و_تحلیل_شبکه_های_اجتماعی

چکیده مقاله: ساختار اجتماع، بخش لاینفک شبکه اجتماعی می‌باشد. تشخیص این اجتماعات، نقش مهمی در دامنه وسیعی از برنامه‌های کاربردی که شامل تحلیل خوشه، سیستم‌های توصیه و شناخت رفتار سیستم‌های پیچیده می‌باشد اما به آنها محدود نمی‌شود. محققان، الگوریتم‌های بسیاری را برای کشف ساختارهای اجتماعی شبکه‌ها بیان نموده‌اند. کشف جوامع، کاری چالش برانگیز است و هیچ الگوریتم منفردی وجود ندارد که بهترین نتایج را برای کلیه شبکه‌ها ارائه دهد. بنابراین علاوه بر راه‌حل‌های ظریف، کشف جوامع، حوزه تحقیق فعالی می‌باشد. در این مقاله، الگوریتم جدیدی به نام الگوریتم ژنتیک براساس ضریب خوشه‌بندی (CC – GA) برای تشخیص آنها در شبکه‌های اجتماعی و پیچیده مطرح می‌شود. محققان از چند الگوریتم ژنتیک برای تشخیص اجتماعات استفاده نموده‌اند اما الگوریتم پیشنهاد برحسب گسترش جمعیت اولیه و روش جهش، جدید می‌باشد و این موارد سبب بهبود کارایی و صحت آن می‌شود.
آزمایشات مربوط به مجموعه داده‌های جهان واقعی و مقایسه الگوریتم‌های پیشرفته مبنی بر ژنتیک و غیر ژنتیک، نتایج بهبود یافته‌ای را نشان می‌دهد.
کلمات کلیدی : تشخیص جامعه، خوشه بندی نمودار، الگوریتم ژنتیک، هوش مصنوعی، تجزیه و تحلیل شبکه های اجتماعی

لینک دانلود رایگان مقاله انگلیسی و خرید ترجمه فارسی مقاله :
Free download link: https://bit.ly/3fx2TEu