دانلود ترجمه مقاله بکارگیری کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری (ساینس دایرکت – الزویر ۲۰۱۸) (ترجمه ویژه – طلایی ⭐️⭐️⭐️)

elsevier

 

 

این مقاله انگلیسی ISI در نشریه ساینس دایرکت (الزویر) در ۱۱ صفحه در سال ۲۰۱۸ 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:

بکارگیری کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری برای تعیین مشخصات مشتری در بخش هتلداری

عنوان انگلیسی مقاله:

Using big data from Customer Relationship Management information systems to determine the client profile in the hotel sector

 

 

مشخصات مقاله انگلیسی (PDF)
سال انتشار ۲۰۱۸
تعداد صفحات مقاله انگلیسی ۱۱ صفحه با فرمت pdf
نوع مقاله ISI
نوع نگارش مقاله پژوهشی (Research Article) 
نوع ارائه مقاله ژورنال
رشته های مرتبط با این مقاله مدیریت، مهندسی فناوری اطلاعات
گرایش های مرتبط با این مقاله مدیریت سیستم های اطلاعات، مدیریت منابع انسانی، مدیریت فناوری اطلاعات، مدیریت هتلداری
چاپ شده در مجله (ژورنال) مدیریت گردشگری – Tourism Management
کلمات کلیدی کلان داده ها، صنعت گردشگری و مهمان نوازی، مدیریت ارتباط با مشتری، بازنمونه گیری بوت استرپ (Bootstrap)، هتل های زنجیره ای
کلمات کلیدی انگلیسی Big data – Hospitality industry – Customer relationship management – Client profile – Bootstrap resampling – Hotel chains
ارائه شده از دانشگاه گروه اقتصاد بازرگانی، دانشگاه ری خوان کارلوس، مادرید، اسپانیا
نمایه (index) Scopus – Master journals – JCR
نویسندگان Pilar Talón-Ballestero، Lydia González-Serrano، Cristina Soguero-Ruiz، Sergio Muñoz-Romero، José Luis Rojo-Álvarez
شناسه شاپا یا ISSN ISSN ۰۲۶۱-۵۱۷۷
شناسه دیجیتال – doi https://doi.org/10.1016/j.tourman.2018.03.017
ایمپکت فاکتور(IF) مجله ۷٫۲۷۱ در سال ۲۰۱۸
شاخص H_index مجله ۱۵۹ در سال ۲۰۱۹
شاخص SJR مجله ۲٫۹۲۴ در سال ۲۰۱۸
شاخص Q یا Quartile (چارک) Q1 در سال ۲۰۱۸
بیس است 
مدل مفهومی ندارد 
پرسشنامه ندارد 
متغیر دارد 
رفرنس دارای رفرنس در داخل متن و انتهای مقاله
کد محصول ۱۰۰۹۷
لینک مقاله در سایت مرجع لینک این مقاله در نشریه Elsevier
نشریه الزویر

 

مشخصات و وضعیت ترجمه فارسی این مقاله (Word)
وضعیت ترجمه انجام شده و آماده دانلود در فایل ورد و PDF
کیفیت ترجمه ویژه – طلایی ⭐️⭐️⭐️
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش  ۲۸ صفحه (شامل ۲ صفحه رفرنس انگلیسی) 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  
درج تصاویر در فایل ترجمه درج شده است  
درج جداول در فایل ترجمه درج شده است  
درج فرمولها و محاسبات در فایل ترجمه  به صورت عکس درج شده است  
منابع داخل متن به صورت انگلیسی درج شده است  
منابع انتهای متن به صورت انگلیسی درج شده است  

 

فهرست مطالب

چکیده
۱- مقدمه
۲- بررسی ادبیات
۲-۱- CRM در صنعت گردشگری و مهمان نوازی
۲-۲- کلان داده ها در صنعت گردشگری و مهمان نوازی
۲-۳- مشخصه مشتریان جدیدالورود و ثابت (تکرارکننده)
۳- روش های آماری و تحلیل داده ها
۳-۱- پایگاه داده بزرگ
۳-۲- آزمون های نسبت و بازنمونه گیری بوت استرپ
۳-۳- کلان داده ها و پیاده سازی کاهش نگاشت (map-reduce)
۴-نتایج
۴-۱- برخی از آمارهای توصیفی
۴-۲- مزیت های آزمون فرضیه ای کلان داده ها
۴-۳- نتایج کروموسوم و اسپایدروب برای آزمون های نسبت
۵-بحث و مفاهیم
۵-۱- بررسی مطالعه موردی کلان داده
۵-۲ مفاهیم تکنیکی
۵-۳- مفاهیم هتل های زنجیره ای
۶- نتیجه گیری نهایی
منابع

 

بخشی از ترجمه

چکیده

دانش مشتری یک نکته ی کلیدی در مدیریت گردشگری است. با این حال, نقشی که می تواند بواسطه ی حجم بالایی از اطلاعات موجود در سیستم های مدیریت ارتباط با مشتری (CRM) ایفا کند, در زمانی که استفاده از تکنیک کلان داده های نوظهور, کارامدی مشخصه های (پروفایل) مشتریان را بررسی کرده, هنوز در مراحل اولیه است. در این روش, ما به ارزیابی مشخصات (پروفایل) مشتری در یک سیستم CRM در یک هتل زنجیره ای بین المللی با استفاده از تکنولوژی کلان داده ها و روش های بازنمونه گیری بوت استرپ (Bootstrap) برای تست های مربوطه پرداختیم. شباهت زیادی در ویژگی اکثر تکرار کننده ها (مشتریانی که به صورت مکرر در هتل اقامت میکردند) که بدون فرزند خود مسافرت میکردند, یافت شد. مشخصه های مشتریان بریتانیایی و آلمانی بیشتر شبیه به هم بود و تفاوت اصلی آنها با مشتریان اسپانیایی درطول مدت اقامت و سن آنها بود. برای یک زنجیره تعطیلات, این نتایج تحلیل بیشتری را درباره ی جهتگیری هدفدار نسبت به بخش های جدید بازار نشان میدهد. تکنولوژی کلان داده ها میتواند برای تحلیل داده های داخلی موجود در سیستم های اطلاعاتی CRM ازسوی صنعت گردشگری بسیار مفید باشد.

 

۶- نتیجه گیری نهایی

ما به این نتیجه رسیدیم که پروفایل تکرارکننده ها در این زنجیره با مجردی, مرد بودن, و سفر بدون فرزند در سه ملیت بررسی شده, مطابقت داشت, با این حال, تفاوت هایی بین ملیت ها ازنظر طول مدت اقامت ( بریتانیایی ها و آلمانی ها بیشتر از اسپانیایی ها) و سن ( بریتانیا و المان مسن تر, و اسپانیا جوان تر) وجود داشت. بعلاوه, باتوجه به تعداد زیاد توریست های درنظر گرفته شده و حجم بالای اطلاعات بکار برده شده, مشخصات شناسایی شده در این زنجیره نه تنها برای هتل ها, بلکه برای شرکت های گردشگری و مقصد های سفر, بسیار مفید است به این منظور که براحتی محصولات خود و اقدامات بازاریابی خود را سازگار کنند. بطورکلی, بیشترین حجم داده های موجود از مشتریان, فرصت های مناسب برای شرکت های هتل ایجاد می کنند, که می تواند به مزیت رقابتی قوی تبدیل شود. ابزارهای پیشرفته و فنی این امکان را به ما می دهد تا به بهترین شکل اطلاعات موجود مشتریان و رفتار خرید آنها را استخراج کنیم. مطالعه ی ما نشان می دهد که حتی آمار ساده مانند آزمون های نسبت می تواند برای بازیابی اطلاعات جامع قوی در پروفایل مشتری استفاده شود, و مسیر را برای پشتیبانی قوی رویکردهای کلان داده ها برای تصمیم گیری مدیران هتل هموار کند.

 

بخشی از مقاله انگلیسی

Abstract

Client knowledge remains a key strategic point in hospitality management. However, the role that can be played by large amounts of available information in the Customer Relationship Management (CRM) systems, when addressed by using emerging Big Data techniques for efficient client profiling, is still in its early stages. In this work, we addressed the client profile of the data in a CRM system of an international hotel chain, by using Big Data technology and Bootstrap resampling techniques for Proportion Tests. Strong consistency was found on the most representative feature of repeaters being traveling without children. Profiles were more similar for British and German clients, and their main differences with Spanish clients were in the stay duration and in age. For a vacation chain, these results suggest further analysis on the target orientation towards new market segments. Big Data technologies can be extremely useful for analyzing indoor data available in CRM information systems from hospitality industry.

 

۶- Final conclusions

We concluded that the repeater profile in this chain corresponds to single, men, and traveling without children in the three scrutinized nationalities, however, there are differences among nationalities in terms of length of stay (larger in British and German than in Spanish) and age (senior in British and German vs. younger in Spanish). Moreover, due to the large number of tourists considered and the high volume of their handled information, the profile detected in this chain can be very useful not only to hotels, but also to tourist companies and destinations, in order to conveniently adapt their products and their marketing actions. Overall, the great amount of available data from clients creates relevant opportunities for the hotel companies, which can turn into a strong competitive advantage. Further technical and more advanced tools will allow us to better exploit the best available information about the clients and their purchasing behavior. Our study has shown that even simple statistics as the proportion tests can be used for stating a solid large-scale information retrieval for client profiling, and it paves the way towards Big Data approaches yielding strong support for decision making of hotel managers.

 

تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد

 

 

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

بکارگیری کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری برای تعیین مشخصات مشتری در بخش هتلداری

عنوان انگلیسی مقاله:

Using big data from Customer Relationship Management information systems to determine the client profile in the hotel sector

 

 

ارسال دیدگاه

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