چکیده:
کیفیت کار خود قلمداد میکنند. از آنجا که تقریباً کلیه سازمانهای امروزی نیازمند رقابت در عرصههای مختلف از جمله خدمات هستند، ارائه خدمات با کیفیت در دستیابی به مزیت رقابتی پایدار از اهمیت قابل ملاحظهای برخوردار است. سازمانها و شرکتها جهت بقاء و موفقیت در بازارهای رقابتی، ناگزیرند خدماتی با کیفیت به مشتریان ارائه کنند. نتایج بسیاری از پژوهشها نشان میدهد کیفیت خدمات مقدمهای برای رضایت مشتری است. با این وجود، بسیاری از شرکتهای مشتریمدار در فرآیند تشخیص و ارزیابی ترجیحات مشتریان با مشکل مواجه شده و اغلب درک اشتباهی از خواستهها و انتظارات مشتریان دارند، زیرا ارائه خدمات با کیفیت بالاتر مستلزم شناخت روابط بین خواستههای مشتریان و کیفیت خدمات ارایهشده توسط شرکت است. سازمانها و شرکتهای ارائهدهنده خدمات نرمافزاری نیز از این قائده مستثنی نیستند. هدف از این پژوهش ارائه مدلی در جهت پیشبینی میزان رضایت مشتریان از خدمات پشتیبانی ارائهشده، تعیین میزان تأثیر هر یک از متغیرهای اثرگذار بر رضایت مشتریان و اطلاع از سطح رضایت مشتریان از خدمات پشتیبانی در شرکت مذکور است. که بدین منظور الگوریتمهای پیشبینی در دادهکاوی از جمله الگوریتمهای طبقهبندی و رگرسیون و با استفاده از نرمافزار رپیدماینر بر روی دادهها اجرا شدند. از میان این روشها آنهایی که بالاترین میزان دقت و کمترین میزان خطا را داشتند بهعنوان روشهای منتخب، برگزیده شدند. همچنین از روش وزندهی برای مشخص کردن موثرترین متغیرها در رضایت مشتری استفاده شد تا نتایج حاصل از اینها بهمنظور اتخاذ تصمیمات و پیادهسازی راهکارهای بهبود رضایت مشتری در اختیار مدیران شرکت قرار گیرد.
خلاصه ماشینی:
از میان پژوهش های پیشین مشابه ترین به پژوهش حاضر مقاله ای است که توسط لازراتی و همکاران با موضوع پیش بینی رضایت مشتریان در یک رستوران دانشجویی و با استفاده از روش های داده کاوی شبکه عصبی و رگرسیون انجام شده است .
به علاوه اینکه پژوهش های انجام شده در حوزه مدل های سنجش رضایت مشتری در صنعت نرم افزاری و خدمات پشتیبانی این حوزه بسیار کم صورت گرفته است .
با توجه به مبانی نظری تحقیق میتوان گفت ارائه یک مدل که با استفاده از تکنیک ها و الگوریتم های داده کاوی بتواند میزان رضایت مشتریان از خدمات پشتیبانی نرم افزاری را بسنجد و همچنین آن را پیش بینی کند، میتواند به مدیران و سرپرستان واحدهای خدمات پشتیبانی نرم افزاری در جهت رسیدن به اهداف تعیین شده کمک کند.
CRISP(Cross Industry Standard Process for Data Mining) مشتریان در طی یک سال اخیر، میزان کیفیت خدمات پشتیبانی ارائه شده ، شناسایی مشتریان ناراضی و...
ارزیابی و تحلیل یافته ها از آنجایی که هدف اصلی پژوهش پیش بینی میزان رضایت است ، و به تناسب نوع متغیر هدف ، از روش های مختلف در داده کاوی استفاده شده است .
٣. نتیجه گیری در این پژوهش روش ها و تکنیک های داده کاوی به منظور پیش بینی رضایت مشتری از خدمات پشتیبانی نرم افزار بررسی شدند.
The application of neural network and logistics regression models on predicting customer satisfaction in a student-operated restaurant.
Application of data mining techniques in customer relationship management: A literature review and classification.