به سوی استخراج نیازهای مشتری از تیکت های رویداد در خدمات IT
چکیده
در بسیاری از روابط خدمات، به منظور بدست آوردن بینش های ارزشمند از ملاقات (برخوردهای) مشتری به صورت سیستماتیک بهره برداری نمی شود. با این وجود، روش های استخراج متن و تجزیه و تحلیل ابزار موثری را فراهم می کند تا به صورت سیستماتیک پاسخ های مشتری را غربال کرده و به طور خودکار اطلاعات تجارت مرتبط را استخراج کند. در این پژوهش، روش یادگیری ماشینی را به عنوان یک محصول مصنوعی برای غربال اطلاعات رویداد در خدمات IT توسعه دادیم تا نیازهای مشتری را تشخیص دهد. روش را در زمینه ی جهان واقعی با فراهم آورنده ی IT که هزاران ticket رویداد را سالانه پوشش می دهد، پیاده سازی کرده و ارزیابی می کنیم. نشان دادیم که ترسیم ticket های دریافتی برای مجموعه نیازهای مختص حوزه ای خاص ممکن و شدنی است- و بنابراین تماس های مشتری فراهم کننده را مقدور می سازد تا نیازهای برآورده نشده را با ارائه خدمات مناسب مورد بررسی قرار دهد. بنابراین، روش شناسی ای برای بازاریابی خدمات و مدیران نوآوری ارائه کرده ایم تا به صورت خودکار و مقیاس پذیر مبنای مشتری برای فرصت های فروش اضافی را مورد نظارت قرار دهد.
I. مقدمه
مدیریت روابط مشتری (CRM) به کانون توجه اساسی ای در صنایع متعددی بدل شده است از آنجاییکه بسیاری از محصولات و خدمات تبدیل به کالا شده اند. از اینرو، به جای ویژگی های محصول یا خدمات متمایز به منظور نوآوری و ابداع کردن و پیشنهاد و ارائه ی خدمات ارزشمند، توجه فزاینده ای بر نیازهای مشتری معطوف شده است (1). این بویژه زمانی مرتبط تر است که حجم بالایی از معاملات اتفاق می افتد و بنابراین مقدار زیادی از داده ها کسب می شود (1). با مشاهده ی رفتار مشتری، به یادآوردن تجارب گذشته، یادگیری از آن و عمل کردن بر طبق آن است که رابطه ایجاد می شود (2، صفحه 5).
Abstract
In many service relationships, customer encounters are not systematically exploited in order to gain valuable insights. However, text mining and analytics methods would provide effective means to systematically screen customer responses and automatically extract relevant business information. In this work, we develop a machine learning method as an artifact for screening incident information in IT Services to detect customer needs. We implement and evaluate the method in a realworld context with an IT provider covering several thousands of incident tickets per year. We show that it is feasible to map incoming tickets to a domain-specific selection of needs—and, hence, enable the providers’ customer contacts to address unfilled needs with tailored service offerings. Thus, we contribute a methodology to service marketing and innovation managers to automatically and scalably monitor their customer base for additional sales opportunities.
I. INTRODUCTION
Customer Relationship Management (CRM) has turned into a key concern in various industries since many products and services have become commodities. Hence, an increasing focus is put on customer needs instead of distinct product or service features in order to innovate and to offer valuable services [1]. This is especially relevant where a high volume of transactions occur and, thus, huge amounts of data are acquired [1]. It is by observing customer behaviour, remembering past experience, learning from it and acting upon it that a relationship is built [2, p. 5].
چکیده
I. مقدمه
II. مقالات مرتبط
III. پایه و شالوده
IV. روش شناسی
A. آماده سازی کلی
B. انتخاب ویژگی
C. برچسب زدن
D. استخراج متن
E. طبقه بندی
F. مقیاس های ارزیابی برای طبقه بندی
V. نتایج
A. محیط مطالعه امکان سنجی
B. مراحل آماده سازی
C. استخراج متن و ارزیابی طبقه بندی
D. تعبیر و تفسیر
VI. نتیجه گیری
Abstract
I. INTRODUCTION
II. RELATED WORK
III. FOUNDATIONS
IV. METHODOLOGY
A. General Preparation
B. Feature Selection
C. Labeling
D. Text Mining
E. Classification
F. Evaluation Metrics for Classification
V. RESULTS
A. Feasibility Study Setting
B. Preparatory Steps
C. Text Mining and Classification Evaluation
D. Interpretation
VI. CONCLUSION
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه