مقاله ترجمه شده روش طبقه بندی مبتنی بر یادگیری ماشین برای آنالیز نظرسنجی تجربه مشتری

سال نشر: ۲۰۲۰

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۲۲  صفحه PDF

تعداد صفحه ترجمه فارسی:   ۴۴ صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1284

نام ناشر (پایگاه داده): MDPI

نام مجله:   technologies

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۰ :  روش طبقه بندی مبتنی بر یادگیری ماشین برای آنالیز نظرسنجی تجربه مشتری

عنوان کامل انگلیسی:

A Machine Learning Based Classification Method for Customer Experience Survey Analysis

چکیده فارسی:

تجربه مشتری (CX) از طریق نظرسنجی های بازار ، بر اساس معیارهایی مانند شاخص خالص مروجان (NPS) و رضایت مشتری از ویژگی های تجربه (به عنوان مثال ، مرکز تماس ، وب سایت ، صورتحساب ، کیفیت خدمات ، برنامه تعرفه) کنترل می شود. هدف شرکت ها به حداکثر رساندن NPS از طریق بهبود مهمترین ویژگیهای CX است. با این حال ، تجزیه و تحلیل آماری نشان می دهد که ارتباط شفاف و دقیقی بین شاخص NPS و ویژگی های CX وجود ندارد. در این مقاله ، ما با استفاده از یک روش طبقه بندی جدید ، که بر اساس رگرسیون لجستیک توسعه یافته و با چندین الگوریتم پیشرفته یادگیری ماشین (ML) آزمون شده است ، رابطه فوق را بررسی می کنیم. روش پیشنهادی بر روی مجموعه داده های قابل تعمیم در بخش مخابرات اعمال شد و نتایج کاملاً امیدوار کننده بود ، که نشان دهنده بهبود میزان معناداری در بیشتر معیارهای آماری بود.

کلمات کلیدی: تجربه مشتری ؛ شاخص خالص مروجان ؛ یادگیری ماشین

Abstract

Customer Experience (CX) is monitored through market research surveys, based on metrics like the Net Promoter Score (NPS) and the customer satisfaction for certain experience attributes (e.g., call center, website, billing, service quality, tariff plan). The objective of companies is to maximize NPS through the improvement of the most important CX attributes. However, statistical analysis suggests that there is a lack of clear and accurate association between NPS and the CX attributes’ scores. In this paper, we address the aforementioned deficiency using a novel classification approach, which was developed based on logistic regression and tested with several state-of-the-art machine learning (ML) algorithms. The proposed method was applied on an extended data set from the telecommunication sector and the results were quite promising, showing a significant improvement in most statistical metrics.

Keywords: customer experience; net promoter score; machine learning