Pretražite po imenu i prezimenu autora, mentora, urednika, prevoditelja

Napredna pretraga

Pregled bibliografske jedinice broj: 606444

Segmentacija tržišta korištenjem otkrivanja znanja iz baza podataka


Lešković, Darko
Segmentacija tržišta korištenjem otkrivanja znanja iz baza podataka, 2007., magistarski rad, Ekonomski fakultet Zagreb, Zagreb


CROSBI ID: 606444 Za ispravke kontaktirajte CROSBI podršku putem web obrasca

Naslov
Segmentacija tržišta korištenjem otkrivanja znanja iz baza podataka
(Customer segmentation using knowledge discovery from databases)

Autori
Lešković, Darko

Vrsta, podvrsta i kategorija rada
Ocjenski radovi, magistarski rad

Fakultet
Ekonomski fakultet Zagreb

Mjesto
Zagreb

Datum
17.12

Godina
2007

Stranica
138

Mentor
Peić-Bach, Mirjana

Ključne riječi
segmentacija tržišta; baze podataka; rudarenje podataka; otkrivanje znanja; unaprjeđenje djelotvornosti; upravljanje odnosima; cluster analiza; informacijske i komunikacijske tehnologije; vrijednost i zadovoljstvo korisnika
(customer segmentation; databases; data mining; knowledge discovery; improvement efficiency; relationship management; cluster analysis; Information and Communication Technology; customer value and satisfaction)

Sažetak
Suvremene kompanije u uvjetima globalizacije tržišta nužno moraju skrbiti o svojoj djelotvornosti odnosno konkurentskoj prednosti. Djelotvornost se temelji na dobro osmišljenoj i provedenoj strategiji, a razvijeno je nekoliko metoda unapređenja djelotvornosti: metoda uravnoteženih ciljeva, metoda kritičnih faktora uspjeha, model pet konkurentskih sila, resursna teorija strategije, model ključnih kompetencija, upravljanje lancem vrijednosti, razvojne strategije, upravljanje odnosom s korisnicima i sl. Mnoge kompanije kombiniraju neke od navedenih metoda, no možemo izdvojili upravljanje lancem potražnje i upravljanje odnosima s korisnicima. Lanac potražnje krije sve korisnike kompanije, a upravljanje lancem potražnje i upravljanje odnosom s korisnicima predstavlja okosnicu strategija suvremenih kompanija. Prepoznavanje potreba korisnika je ključ uspjeha svake kompanije. Prepoznate potrebe nužno treba zadovoljiti s ciljem zadržavanja korisnika. Podloga svega je stabilan informacijski i komunikacijski sustav koji omogućuje prikupljanje podataka o postojećim korisnicima, analizu prikupljenih podataka i profiliranje tržišnih segmenata. Rudarenjem podataka iz svakodnevnih transakcija s korisnicima omogućeno je otkrivanje novih znanja o navikama korisnika. Primjenjive metode otkrivanja znanja iz baza podataka su cluster analiza, faktorska analiza, neuronske mreže i stabla odlučivanja. Najprihvatljivija metoda za formiranje tržišnih segmenata je cluster analiza. Profiliranje korisničkih segmenata je moguće provoditi temeljem niza kriterija. Kako je u radu opisana segmentacija poslovnih korisnika, odabrani su slijedeći kriteriji: stavovi osoba koji donose odluku o nabavi, demografski kriteriji, operativni kriteriji, kriteriji pristupa nabavi, situacijski kriteriji. Temeljem navedenih kriterija moguće je formirati tržišne segmente istih navika. Formiranim tržišnim segmentima je moguće podići lojalnost i profitabilnost, kao i upravljati profitabilnošću cijele kompanije.

Izvorni jezik
Hrvatski

Znanstvena područja
Ekonomija



POVEZANOST RADA


Ustanove:
Ekonomski fakultet, Zagreb

Profili:

Avatar Url Mirjana Pejić Bach (mentor)

Avatar Url Darko Lešković (autor)


Citiraj ovu publikaciju:

Lešković, Darko
Segmentacija tržišta korištenjem otkrivanja znanja iz baza podataka, 2007., magistarski rad, Ekonomski fakultet Zagreb, Zagreb
Lešković, D. (2007) 'Segmentacija tržišta korištenjem otkrivanja znanja iz baza podataka', magistarski rad, Ekonomski fakultet Zagreb, Zagreb.
@phdthesis{phdthesis, author = {Le\v{s}kovi\'{c}, Darko}, year = {2007}, pages = {138}, keywords = {segmentacija tr\v{z}i\v{s}ta, baze podataka, rudarenje podataka, otkrivanje znanja, unaprje\djenje djelotvornosti, upravljanje odnosima, cluster analiza, informacijske i komunikacijske tehnologije, vrijednost i zadovoljstvo korisnika}, title = {Segmentacija tr\v{z}i\v{s}ta kori\v{s}tenjem otkrivanja znanja iz baza podataka}, keyword = {segmentacija tr\v{z}i\v{s}ta, baze podataka, rudarenje podataka, otkrivanje znanja, unaprje\djenje djelotvornosti, upravljanje odnosima, cluster analiza, informacijske i komunikacijske tehnologije, vrijednost i zadovoljstvo korisnika}, publisherplace = {Zagreb} }
@phdthesis{phdthesis, author = {Le\v{s}kovi\'{c}, Darko}, year = {2007}, pages = {138}, keywords = {customer segmentation, databases, data mining, knowledge discovery, improvement efficiency, relationship management, cluster analysis, Information and Communication Technology, customer value and satisfaction}, title = {Customer segmentation using knowledge discovery from databases}, keyword = {customer segmentation, databases, data mining, knowledge discovery, improvement efficiency, relationship management, cluster analysis, Information and Communication Technology, customer value and satisfaction}, publisherplace = {Zagreb} }




Contrast
Increase Font
Decrease Font
Dyslexic Font