مهرگان قباخلو؛ علی رجب زاده قطری؛ عباس طلوعی اشلقی؛ محمود البرزی
چکیده
حفظ مشتری یکی از پراهمیتترین مسائل هر سازمانی میباشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاهها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آنها ...
بیشتر
حفظ مشتری یکی از پراهمیتترین مسائل هر سازمانی میباشد و یافتن راهی جهت حفظ و بقای مشتری از نیازهای کلیدی آن سازمان است. هدف اصلی پژوهش حاضر، در حوزه یادگیری ماشین با تمرکز بر شناسایی صحیح نیازهای مشتری با روشی مبتنی بر استخراج دیدگاهها و تحلیل احساسات و کمی سازی گرایش احساسی مشتریان در مورد خدمات بانکی با بررسی و تحلیل نظرات آنها میباشد. بهعبارتی موضوع این پژوهش طراحی سیستم توصیهگر جهت ارائه خدمات مناسب به مشتریان، با استفاده از عقاید و تجارب آنها میباشد. روش اجرای ارائه شده در پژوهش حاضر بدین ترتیب است که، با بررسی عقاید مشتریان و استخراج متغیرهایی چون نمره احساسات افراد برای توییتها، نمره ارتباط، شباهت کسینوسی و میزان ضریب اطمینان در قالب فرآیند آموزش و تست، خدمات بانکی مناسب را پیشنهاد میدهد. بهمنظور ارائه این پیشنهاد، از روشهای دستهبندی مناسب بههمراه روشهای عقیدهکاوی و رویکرد اعتبارسنجی مناسب استفاده میشود و سیستم طراحیشده نهایی با خطایی اندک، جهت ارائه خدمات شخصیسازیشده، در راستای کمک به مدیران بانکی گام خواهد برداشت. ازآنجاییکه درحال حاضر ارائه خدمات بانکی متناسب با وضعیت مشتریان بهطورکامل وجود ندارد، لذا سیستم مذکور در این زمینه بسیار راهگشا خواهد بود.
احمد رحمانی؛ مجید سروری؛ رضا رادفر؛ محمود البرزی
چکیده
نوآوری فناورانه حوزه صنعت مالی، زیست بوم فناوری مالی را موجب شد. با ظهور هوش مصنوعی، دنیای فناوری و مالی به هم گرهخورد تا پردازشهای مالی هوشمندانه تری به مدیران جهت تصمیمگیریهای هوشمندانه ارائه میکند. نتایج استفاده از روشهای یادگیری ماشین ثابت نبوده و پیشبینی دقیق در مورد نتایج حاصل از تجربه مشتریان برای الگوریتمهای ...
بیشتر
نوآوری فناورانه حوزه صنعت مالی، زیست بوم فناوری مالی را موجب شد. با ظهور هوش مصنوعی، دنیای فناوری و مالی به هم گرهخورد تا پردازشهای مالی هوشمندانه تری به مدیران جهت تصمیمگیریهای هوشمندانه ارائه میکند. نتایج استفاده از روشهای یادگیری ماشین ثابت نبوده و پیشبینی دقیق در مورد نتایج حاصل از تجربه مشتریان برای الگوریتمهای یادگیری ماشین چالشبرانگیزاست. تلاشهای زیادی در خصوص مدیریت تجربه مشتری انجامشده است ولی، چارچوب تلفیقی فناوری مالی در تعامل باهوش مصنوعی و یادگیری ماشین در مفهومسازی تجربه مشتری که می تواند دانش تجربه مشتری را موجب شود، موضوعی است که کمتر به آن پرداختهشده است. این مقاله، با بررسی 75 مقاله و جمعبندی آن در 41 مقاله پژوهشی، موضوع پژوهش حاضر را موردبررسی قرار داده است. جهت پیش بینی ارائه نظریه ،روش تحقیق، تئوری بنیادین می باشد. هدف این مقاله،پوشش شکاف مطالعاتی ازطریق ارائه یک چارچوب تلفیقی است که مسیر کلی برای انجام و مطالعه پژوهشهای حوزه فناوری مالی و هوش مصنوعی، در استخراج و مدیریت دانش تجربه مشتریان را در برمیگیرد. یافتهها نشان میدهند که مطالعات انجام شده در سه محور فوق را میتوان به پنج بخش اصلی نوآوری طبقهبندی کرد که شبکههای ایجاد ارزش از تجربه مشتریان را در چارچوب تلفیقی فناوری مالی، یادگیری ماشین و تجربه مشتری ارائه می کند. یافتهها، مسیر خوبی برای پرداختن به برخی محدودیتها در پژوهشهای فناوریهای مالی و هوش مصنوعی برای مدیریت دانش تجربه مشتریان از طریق امکان ارائه الگو عملکرد مشتریان را فراهم میکنند.