Pregled bibliografske jedinice broj: 914656
PREDNOSTI I OGRANIČENJA METODA ZA KLASTERIRANJE PODATAKA U DIMENZIJI IDENTIFIKACIJE KLIJENATA
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: Hrvatska udruga za direktni i interaktivni marketing (CRODMA), 2017. str. 195-208 (predavanje, međunarodna recenzija, cjeloviti rad (in extenso), znanstveni)
CROSBI ID: 914656 Za ispravke kontaktirajte CROSBI podršku putem web obrasca
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 : Hrvatska udruga za direktni i interaktivni marketing (CRODMA), 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, 12.10.2017. - 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
