|
Title
|
تجزيه و تحليل رضايتمندي از عملكرد سيستم بازيابي خدمات آنلاين با استفاده از يادگيري ماشين
|
|
Type
|
Thesis
|
|
Keywords
|
سيستم بازيابي خدمات ، خدمات آنلاين ، رضايتمندي، تجزيه و تحليل شكست و حالات خطا، الگوريتم هاي يادگيري ماشين
|
|
Abstract
|
زمينه: در دنياي رقابتي امروز با توجه به تغييرات دائمي محيط و ناكارآمدي سيستم هاي سنتي شركت ها، استراتژي هاي مشتري محور به طور فزاينده اي در بهبود رضايت مشتري و مقابله موثر با هرگونه شكست خدماتي به كار گرفته مي شود. بازيابي خدمات علاوه بر بازيابي رضايت و وفاداري مشتريان ناراضي، مي تواند فرصتي عالي براي بهبود فرآيند خدمات مشتري باشد. هدف: هداف اصلي پژوهش حاضر تجزيه و تحليل رضايتمندي از عملكرد سيستم بازيابي خدمات آنلاين با استفاده از يادگيري ماشين است.
روششناسي: در اين پژوهش در ابتدا، با مرور سيستماتيك ادبيات پژوهش و مصاحبه با خبرگان، مجموعه اي از شاخص هاي عملكرد سيستم بازيابي خدمات آنلاين شناسايي شدند. سپس، جهت انتخاب شاخص هاي كليدي عملكرد و اولويت بندي آنها، با استفاده از ابزار پرسشنامه و با مشاركت 400 نفر از مشتريان فروشگاه هاي آنلاين شهر شيراز، داده ها گردآوري شد. سپس با مقايسه كارايي الگوريتم هاي يادگيري ماشين، از الگوريتم جنگل تصادفي(RF) جهت تحليل داده ها استفاده شد.
يافتهها: يافته هاي پژوهش نشان مي دهد كه در اين پژوهش با استفاده از مرور سيستماتيك ادبيات و تعداد 40 شاخص مرتبط با عملكرد سيستم بازيابي خدمات آنلاين شناسايي گرديد كه با استفاده از چارچوب تجزيه و تحليل شكست و حالات خطا(FMEA) در سه سطح تشخيص خطا ، تحليل خطا و پاسخ به خطا طبقه بندي شد. تحليل يكپارچه شاخص هاي عملكرد نشان مي دهد كه شاخص «ميزان رضايت مشتريان از تعهدات سازمان در رفع مشكل» بهترين عملكرد را در بين ساير شاخص ها دارد و پس از آن شاخص «ميزان استفاده از تجهيزات و فناوري هاي جديد در تجزيه و تحليل خطا» در رتبه هاي بعدي قرار دارند. نتيجهگيري: در اين پژوهش با استفاده از مرور سيستماتيك ادبيات و رويكرد يادگيري ماشين، شاخص هاي عملكرد سيستم بازيابي خدمات آنلاين با استفاده از چارچوب تجزيه و تحليل شكست و حالات خطا(FMEA) در سه سطح طبقه بندي شد. همچنين اين پژوهش يك راهنماي عملي براي مديران در جهت تصميم گيري مناسب در راستاي بهبود و رضايتمندي مشتريان ناراضي مي باشد.
|
|
Researchers
|
zahra nohpisheh (Student) , Hadi Balouei Jamkhaneh (First primary advisor) , Khodakaram Salimifard (Advisor)
|