دانلود ترجمه مقاله ارزیابی هوش تجاری بر اساس مشخصات رفتار مشتری با ایده مبتنی بر سرگرمی (تیلور و فرانسیس ۲۰۲۰) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

 

 

این مقاله انگلیسی ISI در نشریه تیلور و فرانسیس در ۲۱  صفحه در سال ۲۰۲۰ منتشر شده و ترجمه آن ۲۸ صفحه میباشد. کیفیت ترجمه این مقاله ویژه – طلایی ⭐️⭐️⭐️ بوده و به صورت کامل ترجمه شده است.

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

ارزیابی هوش تجاری بر اساس مشخصات رفتار مشتری با استفاده از ایده مبتنی بر سرگرمی در هند: یک مطالعه موردی

عنوان انگلیسی مقاله:

Business intelligence appraisal based on customer behaviour profile by using hobby based opinion mining in India: a case study

 

 

مشخصات مقاله انگلیسی 
فرمت مقاله انگلیسی pdf
سال انتشار ۲۰۲۰
تعداد صفحات مقاله انگلیسی ۲۱ صفحه با فرمت pdf
نوع مقاله ISI
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مدیریت
گرایش های مرتبط با این مقاله مدیریت کسب و کار ، مدیریت منابع انسانی ، بازاریابی
چاپ شده در مجله (ژورنال) Economic Research-Ekonomska Istraživanja
کلمات کلیدی هوش تجاری مشتری، رفتار مشتری، تحلیل نظر چند رگرسیونی، سرگرمی، الگوریتم ژنتیک، ثبات اقتصادی
کلمات کلیدی انگلیسی Customer business intelligence – consumer behaviour – multiple regression opinion analysis – hobby – genetic algorithm – economic sustainability
ارائه شده از دانشگاه موسسه فناوری Shree Devi ، مانگالور، کارناتاکا، هند
نمایه (index) scopus – master journals – JCR – MedLine – DOAJ
نویسندگان Mendon Suhan – Ramona Birau – Toni Calugaru
شناسه شاپا یا ISSN ۱۳۳۱-۶۷۷X
شناسه دیجیتال – doi https://doi.org/10.1080/1331677X.2020.1763822
ایمپکت فاکتور(IF) مجله ۲٫۷۵۱ در سال ۲۰۱۹
شاخص H_index مجله ۲۱ در سال ۲۰۲۰
شاخص SJR مجله ۰٫۴۹۰ در سال ۲۰۱۹
شاخص Q یا Quartile (چارک) Q2 در سال ۲۰۱۹
بیس است 
مدل مفهومی دارد 
پرسشنامه ندارد 
متغیر دارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۱۱۸۲
لینک مقاله در سایت مرجع لینک این مقاله در سایت Taylor & Francis
نشریه تیلور و فرانسیس – Taylor & Francis

 

مشخصات و وضعیت ترجمه فارسی این مقاله 
فرمت ترجمه مقاله pdf و ورد تایپ شده با قابلیت ویرایش
وضعیت ترجمه انجام شده و آماده دانلود
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۸ (۱ صفحه رفرنس انگلیسی) صفحه با فونت ۱۴ B Nazanin
ترجمه عناوین تصاویر و جداول ترجمه شده است 
ترجمه متون داخل تصاویر ترجمه شده است 
ترجمه متون داخل جداول ترجمه شده است 
ترجمه ضمیمه ندارد 
ترجمه پاورقی ندارد 
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه ندارد 
منابع داخل متن ترجمه شده است 
منابع انتهای متن به صورت انگلیسی درج شده است

 

فهرست مطالب

چکیده

۱٫ مقدمه

۲٫ مروری بر مطالعات انجام شده

۳٫ روش تحقیق

۳٫۱ پیش بینی الگوی خرید مشتری بر اساس همبستگی

۳٫۲ افزایش مجموعه داده ها با استفاده از GA

۳٫۳ مدلهای رگرسیون متعدد برای بدست آوردن نتایج مناسب تر

۴٫ تحلیل تجربی و نتایج

۴٫۱ ارزیابی با استفاده از تحلیل همبستگی

۴٫۲ ارزیابی با استفاده از مدل رگرسیون متعدد

۵٫ نتیجه گیری

 

بخشی از ترجمه

چکیده

این تحقیق به درک دینامیک های رفتار مشتری کمک می کند. در تحلیل های تجاری، نادیده نگرفتن این حقیقت بسیار مهم است که تعامل بین انسان ها در برگیرنده یک بعد عاطفی می باشد. روش انجام تحقیق شامل موارد زیر است ۱) روش های پیش بینی الگوی خرید مشتری بر اساس همبستگی، ۲) افزایش مجموعه داده ها با استفاده از الگوریتم های ژنتیک و ۳) مدلهای چند رگرسیونی. این تحقیق بیانگر این است که چگونه سرگرمی یک مشتری دارای ارتباط مستقیم با الگوهای خرید و میزان رضایت می باشد. ما از تکنیک های هوش تجاری (BI) استفاده کردیم و نتیجه گیری کردیم که با استفاده از روش چند رگرسیونی امکان ارزیابی میزان رضایت مشتری تا حد بالای امنیت ۹۰% وجود دارد. ابزار BI می توانند برای دست یابی به پیشرفت های قابل توجه در حوزه های خاص بر اساس نوآوری های آزاد استفاده شوند. هدف این مقاله، ارائه راهنمای کاربردی در حوزه نوآوری با استفاده از ترکیبی ار روش ها و تکنیک های بین رشته ای می باشد.

 

۱- مقدمه

نظریه اصلی هوش تجاری (BI)، تشخیص رفتار مشتری و پیش بینی الگوهای خرید برای ارتقای تجارت و همچنین ثبات محیطی بهتر است. تصمیم گیری موثر بر اساس BI برای اطمینان از رقابت پذیر بودن رشد پایدار لازم است (جیم & کیم ۲۰۱۸). به هر حال، در مطالعات انجام شده، هیچ تعریف جامع و پذیرفته شده ای برای BI وجود ندارد. BI نقش ضروری در حوزه هایی چون عملکرد نمایندگان فروش، وفاداری مشتری، و عملکرد محصول ایفا می کند (آنتاناسولیاس & چانتالاس ۲۰۱۹). کاربردهای قابل توجه BI نیز در حوزه های شغلی مختلف از سلامت و خطوط هوایی تا IT و شرکت های مخابراتی می باشند (واتسون ۲۰۰۹). سبوتارن در سال ۲۰۱۱ بیان کرد که BI با تکنیک های کامپیوتری مورد استفاده در آماده سازی، کاوش و تحلیل داده های تجاری مثل درآمد فروش محصول / دپارتمان های فروش یا هزینه ها و درآمد مرتبط در ارتباط است. لارسون و چانگ در سال ۲۰۱۶ بیان کردند که BI شامل زنجیره ارزش اطلاعات برای گردآوری اطلاعات خام، تبدیل این داده ها به اطلاعات مفید، مدیریت تصمیم گیری، ارائه نتایج تجاری و افزایش ارزش مشارکت می باشد.

 

۵- نتیجه گیری

ابتدا، داده های ثبت شده بر اساس وزن ها و با استفاده از تکنیک همبستگی دسته بندی شدند که در بخش ۳٫۱ تشریح شده است. با توجه به نتایج و تحلیل ها بدیهی است که با استفاده از مجموعه بزرگی از داده ها، امکان ارتقای دقت نتایج وجود دارد. چون کار گردآوری داده ها از طریق ارتباط با مردم زمان بر و دشوار است، تصمیم گرفته شده است تا میزان داده ها با استفاده از GA افزایش داده شود که در بخش ۳٫۲ توضیح داده شده است. تکنیک های GA با عملیات مختلف و جهش های متفاوت مورد استفاده قرار می گیرند. داده هایی که جدید گروآوری شده اند جهش داده می شوند تا ویژگی های آنها همانند تکنیک های GA اصلاح شوند. تکنیک GA یک چارچوب منسجم برای استفاده از وظایف هوش مصنوعی از جمله دسته بندی، یادگیری و بهینه سازی است. نتایج نشان می دهد که از میان تمام گزارشات، ۰٫۶ درصد پذیرفته نشده اند زیرا داده ها نامناسب بوده اند و فیلترینگ آنها دستی بوده است. 

 

بخشی از مقاله انگلیسی

Abstract

This research study contributes towards understanding the customer’s behaviour dynamics. In business analysis, it is very important not to ignore the fact that the interaction between human beings implicitly includes an emotional dimension. The research methodology includes the following: (1) customer purchase pattern prediction methods based on correlation; (2) augmentation of data set by using genetic algorithms; and (3) multiple regression models. The analysis indicates how the hobby of a customer is directly related to the purchase patterns and satisfaction level. We applied business intelligence (BI) techniques and concluded that, by using multiple regression method is possible to evaluate the level of customer satisfaction up to the upper limit of security of about 90%. BI tools could be used to employ significant achievements in specific fields based on open innovations. This paper aims at providing further practical guidance in this innovative research field by using a mix of interdisciplinary methods and techniques.

 

۱- Introduction

The core idea of business intelligence (BI) is to recognise the behavior of the customer and to predict their purchase pattern for improvement of the business as well as for a better environmental sustainability. Efficient decision making based on BI is essential to ensure competitiveness for sustainable growth (Jin & Kim, 2018). However, in literature, there is no universally accepted definition of BI. BI plays an essential role in areas such as sales representatives’ performance, customer loyalty, and product performance (Athanasoulias & Chountalas, 2019). Remarkable BI applications have also been reported in a wide variety of occupational fields, from health care and airlines to major IT and telecommunication firms (Watson, 2009). Cebotarean (2011) suggested that BI is related to computer-based techniques used in spotting, digging-out, and analyzing business data, such as sales revenue by products and/or departments, or by associated costs and incomes. Larson and Chang (2016) argued that BI includes an information value chain for gathering raw data, turning these data into useful information, management decision making, driving business results, and raising corporate value.

 

۵- Conclusions

Initially, the data records are clustered on the basis of weights using correlation technique, which is explained in the section 3.1. It is observed from the result and analysis that, with the huge data records, it is still possible to improve the accuracy of the result. As the data collection through communicating with the people is tedious and time consuming, it is decided to enhance the data using GA and is demonstrated in the section 3.2. The techniques of GA are applied with different bits of crossover operations and mutation. The newly generated data record is further mutated to modify its characteristics as per the GA procedure. GAs provide a well-established framework for implementing artificial intelligence tasks such as classification, learning, and optimisation. The results revealed that out of total records, 0.6 percentages are rejected due to improper data and also due to manual filtering.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
عنوان فارسی مقاله:

ارزیابی هوش تجاری بر اساس مشخصات رفتار مشتری با استفاده از ایده مبتنی بر سرگرمی در هند: یک مطالعه موردی

عنوان انگلیسی مقاله:

Business intelligence appraisal based on customer behaviour profile by using hobby based opinion mining in India: a case study

 

 

نوشته های مشابه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

دکمه بازگشت به بالا