علوم رایانش و فناوری اطلاعات

استفاده از شبکه‌های اجتماعی برای بهبود مدیریت ارتباط با مشتری

نویسندگان

دانشکده فنی ـ دانشگاه گیلان ـ رشت ـ ایران

چکیده

در دنیای امروز شبکه‌های اجتماعی توجه افراد بسیاری را به خود جلب کرده‌اند. در رسانه‌های اجتماعی محصولات بسیاری توسط شرکت‌ها معرفی می‌شوند و انتخاب در این حجم عظیم برای مشتری دشوار خواهد بود. سیستم‌های پیشنهاد‌دهنده بخش مهمی از تجارت الکترونیکی هستند، زیرا تعداد اندکی محصول را مطابق با سلیقه‌ی مشتری به او پیشنهاد می‌دهند. کارهای انجام ‌شده در این زمینه راه‌حل‌هایی را ارائه می‌دهند که شرکت‌ها بتوانند وفاداری مصرف‌کنندگان خود را جلب کنند و از طریق شناسایی سلایق مشتریان پیشنهادات صادقانه‌ای را به آن‌ها ارائه دهند. در این مقاله یک سیستم پیشنهاد‌دهنده ترکیبی به‌منظور پیشنهاد فیلم ارائه می‌شود. این سیستم به‌منظور بهره‌مندی از بهترین ویژگی‌ها و غلبه بر محدودیت‌های موجود در تکنیک‌های فیلتر‌سازی مشترک و فیلتر‌سازی مبتنی بر محتوا آن‌ها را ترکیب می‌کند. هدف الگوریتم پیشنهادی پیش‌بینی پسندیدن یا نپسندیدن فیلم، توسط کاربر است. این الگوریتم به کمک اعتبار‌سنجی متقابل ارزیابی ‌شده است و نتیجه‌ی قابل‌قبولی را به‌ دست آورده است.

کلیدواژه‌ها

  • [1] Alphy, A., & Prabakaran, S., “A Dynamic Recommender System for Improved Web Usage Mining and CRM Using Swarm Intelligence”, The Scientific World Journal, 2015.
  • [2] Giannakis-Bompolis, C., & Boutsouki, C., “Customer relationship management in the era of social web and social customer: an investigation of customer engagement in the Greek retail banking sector”, Procedia-Social and Behavioral Sciences, 148, 67-78, 2014.
  • [3] Zwikstra, H., Hogenboom, F., Vandic, D., & Frasincar, F., “Connecting customer relationship management systems to social networks”. In 7th International Conference on Knowledge Management in Organizations: Service and Cloud Computing (pp. 389-400), Springer Berlin Heidelberg, 2013.
  • [4] Jamiy, F. E., Daif, A., Azouazi, M., & Marzak, A., “The potential and challenges of Big data-Recommendation systems next level application”, arXiv preprint arXiv:1501.03424, 2015.
  • [5] Das, M., “Social Customer Relationship Management: Proposal for SCRM for an IT Services Company”. Master’s Thesis. Industrial Management. Helsinki Metropolia University of Applied Sciences. Master’s Degree, 2012.
  • [6] Liberona, D., Ruiz, M., & Fuenzalida, D., “Customer knowledge management in the age of social networks”, In 7th International Conference on Knowledge Management in Organizations: Service and Cloud Computing (pp. 353-364). Springer Berlin Heidelberg, 2013.
  • [7] Trainor, K. J., Andzulis, J. M., Rapp, A., & Agnihotri, R., “Social media technology usage and customer relationship performance: A capabilities-based examination of social CRM”, Journal of Business Research, 67(6), 1201-1208, 2014.
  • [8] Ekstrand, M. D., Riedl, J. T., & Konstan, J. A., “Collaborative filtering recommender systems”. Foundations and Trends in Human-Computer Interaction, 4(2), 81-173, 2011.
  • [9] Demiriz, A., “Enhancing product recommender systems on sparse binary data”,Data Mining and Knowledge Discovery, 9(2), 147-170, 2004.
  • [10] Mohan, Subaji, Eunmi Choi, and Dugki Min. "Conceptual modeling of enterprise application system using social networking and web 2.0 “social CRM system”." Convergence and Hybrid Information Technology, 2008. ICHIT"08. International Conference on. IEEE, 2008.
  • [11] Ellison, Nicole B. "Social network sites: Definition, history, and scholarship." Journal of Computer‐Mediated Communication 13.1 (2007): 210-230.
  • [12] Resnick, Paul, and Hal R. Varian. "Recommender systems." Communications of the ACM 40.3 (1997): 56-58.
  • [13] Brown, E., “How implementing social media strategies (the right way) attracts customer loyalty”, The Faculty of the Public Communication Graduate Program School of Communication American University Washington, DC, 1-39, 2010.
  • [14] Halova, D., & Menne, R., “Using Social CRM to influence Customer Service and Loyalty: A Perspective in the Airline Industry”. Master’s Thesis. BUSN39: Global Marketing. Lund University, 2013.
  • [15] Johnsson, K., “Strategies for social customer relationship management”. Master’s Thesis· Agricultural Programme – Economics and Management. Degree thesis No 874, 2014·
  • [16] Basaille-Gahitte, I., Abrouk, L., Cullot, N., & Leclercq, E., “Using social networks to enhance customer relationship management”, In Proceedings of the Fifth International Conference on Management of Emergent Digital EcoSystems (pp. 169-176), ACM, October 2013.
  • [17] Ajmera, J., Ahn, H. I., Nagarajan, M., Verma, A., Contractor, D., Dill, S., & Denesuk, M., “A crm system for social media: challenges and experiences”, In Proceedings of the 22nd international conference on World Wide Web (pp. 49-58), International World Wide Web Conferences Steering Committee, May 2013.
  • [18] Sarwar, Badrul, et al. "Item-based collaborative filtering recommendation algorithms." Proceedings of the 10th international conference on World Wide Web. ACM, 2001.
  • [19] Linden, Greg, Brent Smith, and Jeremy York. "Amazon. com recommendations: Item-to-item collaborative filtering." IEEE Internet computing 7.1 (2003): 76-80.
  • [20] Byström, H., “Movie Recommendations from User Ratings”, Stanford University, Tech. Rep, 2013.
  • [21] Fu, M., “CS224W Project Report”, 2011.
  • [22] Miyahara, K., & Pazzani, M. J., “Collaborative filtering with the simple Bayesian classifier”, In PRICAI 2000 Topics in Artificial Intelligence (pp. 679-689), Springer Berlin Heidelberg, 2000.
  • [23] Keogh, E., “Naïve Bayes Classifier”, Dr. Eamonn Keogh’s lecture- UCR, 2011.
علوم رایانش و فناوری اطلاعات
دوره 15، شماره 2
پاییز و زمستان
آذر 1396