Napredna pretraga

Pregled bibliografske jedinice broj: 914656

PREDNOSTI I OGRANIČENJA METODA ZA KLASTERIRANJE PODATAKA U DIMENZIJI IDENTIFIKACIJE KLIJENATA


Panjkota, Ante; Šalov, Iva; Krajnović, Aleksandra
PREDNOSTI I OGRANIČENJA METODA ZA KLASTERIRANJE PODATAKA U DIMENZIJI IDENTIFIKACIJE KLIJENATA // 2nd Croatian Direct Marketing Association Conference (2nd CRODMA Conference 2017) - CUSTOMER RELATIONSHIP MANAGEMENT - The impact of digital technology - Book of Papers / Dobrinić, Damir (ur.).
Varaždin: CRODMA - Hrvatska udruga za digitalni i interaktivni marketing - Croatian Direct Marketing Association, 2017. str. 195-208 (predavanje, međunarodna recenzija, cjeloviti rad (in extenso), znanstveni)


Naslov
PREDNOSTI I OGRANIČENJA METODA ZA KLASTERIRANJE PODATAKA U DIMENZIJI IDENTIFIKACIJE KLIJENATA
(ADVANTAGES AND LIMITATIONS OF THE DATA CLUSTERING METHODS IN THE CUSTOMER IDENTIFICATION DIMENSION)

Autori
Panjkota, Ante ; Šalov, Iva ; Krajnović, Aleksandra

Vrsta, podvrsta i kategorija rada
Radovi u zbornicima skupova, cjeloviti rad (in extenso), znanstveni

Izvornik
2nd Croatian Direct Marketing Association Conference (2nd CRODMA Conference 2017) - CUSTOMER RELATIONSHIP MANAGEMENT - The impact of digital technology - Book of Papers / Dobrinić, Damir - Varaždin : CRODMA - Hrvatska udruga za digitalni i interaktivni marketing - Croatian Direct Marketing Association, 2017, 195-208

Skup
2nd Croatian Direct Marketing Association Conference (2nd CRODMA Conference 2017) - CUSTOMER RELATIONSHIP MANAGEMENT - The impact of digital technology

Mjesto i datum
Varaždin, Hrvatska, 12.-13.10.2017.

Vrsta sudjelovanja
Predavanje

Vrsta recenzije
Međunarodna recenzija

Ključne riječi
Klasteriranje, identifikacija klijenata, k-means, meko klasteriranje, CRM
(Clustering, customer identification, k-means, soft clustering, CRM)

Sažetak
Brojni autori predložili su 4-dimenzionalni CRM model kojeg čine identifikacija klijenata, privlačenje klijenata, razvoj odnosa s klijentima i zadržavanje klijenata. Prednosti i ograničenja različitih klasterskih metoda pri identifikaciji klijenata koje je moguće naći u raspoloživoj akademskoj literaturi predmet su ovog rada. Najčešće korištene metode u toj dimenziji su k- means ili njegove izvedenice i različite metode tzv. mekog klasteriranja (npr. Fuzzy C-means), a poslovna područja u kojima se uobičajeno koriste za identifikaciju klijenata su maloprodaja, telekomunikacije, bankarstvo, turizam i energetika. Jednostavnost upotrebe, dobra i razumljiva segmentacija korisnika su osnovne prednosti navedenih pristupa, dok su problemi procjene broja klastera, nemogućnosti direktne ugradnje dinamičkog ponašanja klijenata u klasterske strukture i tzv. problem višedimenzionalnosti uočeni kao glavna ograničenja primjene metoda klasteriranja u dimenziji identifikacije klijenata. Ovaj rad daje nekoliko smjernica koje bi mogle biti korisne strategije u nadvladavanju uočenih ograničenja.

Izvorni jezik
Hrvatski

Znanstvena područja
Ekonomija, Informacijske i komunikacijske znanosti



POVEZANOST RADA


Ustanove
Sveučilište u Zadru