کاربرد شبکه های عصبی در بهبود خدمات و رضایت مشتری

چکيده :

موفقیت در صنعت خدمات نیاز به ارائه خدمات با کیفیت بالا و یک تجربه رضایت بخش برای مصرف کننده دارد. شبکه های عصبی و کاربرد آنان می تواند راه گشا باشد. با این حال، صرف نظر از سطح کیفیت، جلوگیری از شکست سرویس همیشه دشوار است. هنگامی که یک شکست در ارائه خدمات رخ می دهد، پیشنهاد یک طرح جهت بهبود سرویس سریع و دقیق برای مدیران بسیار مهم است که بتوانند رضایت مصرف کننده را برآورده سازند.

برای پیش بینی بهبود خدمات از پرسپترون چند لایه (MLPs) و شبکه های عصبی ماشین بردار پشتیبان (SVMs) استفاده شده است. متغیر های ورودیMLPs و SVMs به منظور پیش بینی انتظارات مشتری برای بهبود خدمات، نوع شکست سرویس هستند که به آسانی با مشخصات مشتری تعیین میشود: زمان استفاده شده در شکایت مشتری، تن و حالت صدا. در این کاربرد هر دو روش کارایی و قابلیت اعتماد را افزایش میدهند، روش SVMs با (PPV=95%) دقیق تر از MLPs با (PPV=87.5%) میباشد. همچنین یک مدل شبکه عصبی و مدل رگرسیون منطقی برای پیش بینی رضایت کلی مشتری ساخته شد. نتایج نشان میدهد که شبکه عصبی قدرت خوبی داشته و به طور کلی نتایج بهتری در مقایسه با آنالیز تفکیک سنتی ارائه میدهد.

توضیح مساله:

با رشد صنعت خدمات رقابت نیز افزایش پیدا کرده است، به منظور حفظ عملیات دائمی، یک کسب و کار باید مصرف کنندگان جدید را جذب و مصرف کنندگان موجود را نیز حفظ نماید. روش های آماری سنتی مانند آنالیز تفکیک که اغلب در وظایف طبقه بندی مورد استفاده بوده، نتایج خوبی را بدست آورده. با این حال، نیاز به دست آوردن حتی نتایج دقیق تر، محققان را نسبت به تکنیک های طبقه بندی غیر پارامتری مانند شبکه ی عصبی مصنوعی علاقه مند کرده است. شبکه های عصبی مصنوعی، تکنیک های یادگیری ماشینی هستند که یکسری از feature ها را به منظور تقویت استفاده آنها در کاربردهای اقتصادی و مالی ادغام میکنند.

کلمات کلیدی: آنالیز تفیک کننده، رضایت مشتری، رگرسیون منطقی، شبکه های عصبی مصنوعی