دانلود رایگان پایان نامه درک رفتار مشتری در رستوران ها
ترجمه نشده

دانلود رایگان پایان نامه درک رفتار مشتری در رستوران ها

عنوان فارسی پایان نامه: درک رفتار مشتری در رستوران ها بر اساس تکنیک داده کاوی
عنوان انگلیسی پایان نامه: Understanding Customer Behaviour in Restaurants based on Data Mining Prediction Technique
رشته های مرتبط: مدیریت - کامپیوتر
گرایش های مرتبط: بازاریابی - مدیریت کسب و کار - هوش مصنوعی
ترجمه فارسی کلمات کلیدی: رفتار مشتری، هوش مصنوعی، الگوریتم های یادگیری ماشینی نظارت شده، مدل پیش بینی، درختان تصمیم، رگرسیون لجستیک، جنگل تصادفی
کلمات کلیدی انگلیسی: Customer behavior, Artificial intelligence, Supervised machine learning algorithms, Prediction model, Decision trees, Logistic regression, Random Forest
استاد راهنما: Sanjay Modak
استاد مشاور: Ehsan Warriach
شناسه دیجیتال: https://scholarworks.rit.edu/theses/11210
نویسندگان: Abdulrahman Yousef AlShamsi
دانشگاه: Rochester Institute of Technology
صفحات پایان نامه انگلیسی: 43
مقطع: کارشناسی ارشد
سال انتشار: 2022
فهرست فارسی مطالب (ترجمه ماشینی)

قدردانی

چکیده

لیست تصاویر

لیست جداول

فصل 1

1.1. پس زمینه مشکل

1.2. بیان مسأله

1.3. اهداف پروژه

1.4. روش

1.5. محدودیت های مطالعه

فصل 2 - مروری بر ادبیات فصل

3 - شرح پروژه

3.1. جمع آوری داده ها

3.2. اطلاعات داده

فصل 4 - تجزیه و تحلیل پروژه

4.1. تجزیه و تحلیل داده های اکتشافی

4.2. پاکسازی داده ها

4.3. تجسم داده ها

4.4. نتایج - تجزیه و تحلیل داده های اکتشافی

4.5. مدل ساختمان

4.6. مقایسه مدل های مختلف

فصل 5 - نتیجه گیری

5.1. نتیجه گیری

5.2. توصیه ها

5.3. تحقیق آینده

منابع

بخشی از پایان نامه (ترجمه ماشینی)

چکیده پایان نامه

    رفتار مشتری از فردی به فرد دیگر بر اساس تقسیم بندی آنها متفاوت است، در حالی که درک این تفاوت ها یکی از عناصر کلیدی موفقیت در بخش غذا و نوشیدنی است. با درک رفتار مشتری، صاحبان رستوران قادر خواهند بود مشتریان هدف خود را شناسایی کنند و بینش روشنی در مورد محصولات منوی خود ارائه دهند. علاوه بر این، به آنها اجازه می دهد تا کمپین های بازاریابی خود را هدف قرار دهند، درآمد را افزایش دهند و هزینه را بهینه کنند. کاربردهای هوش مصنوعی در این زمینه تأثیر مثبت زیادی در عملیات بخش غذا و نوشیدنی دارد و بسته به این فناوری، شیوه مدیریت رستوران را تغییر خواهد داد. مدل پیش‌بینی داده‌کاوی ابزاری است که می‌تواند توسط ذینفعان کسب‌وکار برای تعیین و پیش‌بینی بیشترین ویژگی‌هایی که می‌تواند بر رفتار مشتری آنها تأثیر بگذارد استفاده کند. بنابراین، تحقیق حاضر راه‌حل‌های بهتری برای تقویت تصمیم‌گیری تجاری با استفاده از هوش مصنوعی و تجزیه و تحلیل داده‌ها پیدا می‌کند که به درک رفتارهای مصرف‌کننده کمک می‌کند.

بخشی از متن انگلیسی پایان نامه

ABSTRACT OF DISSERTATION

     Customer’s behavior varies from person to person based on their segmentations, while understanding these differences is one of the key elements of success in food and beverage sector. By understanding customer’s behaviors, restaurant’s owners will be able to identify their targeted customers and will give a clear insight on their menu products. Additionally, it will allow them to target their marketing campaigns, increase the revenue and optimize the cost. Artificial intelligence applications in this field have a huge positive impact in operations of food and beverage sector and depending on of this technology will change the way of restaurant’s management. Data mining prediction model is a tool that can be used by business’s stakeholders to determine and predict the most attributes that can affect their customer behavior. Therefore, the current research finds better solutions to enhance business decision-making by the use of AI and data analytics which will help in understanding the consumer’s behaviors.

فهرست انگلیسی مطالب

ACKNOWLEDGMENTS

ABSTRACT

LIST OF FIGURES

LIST OF TABLES

CHAPTER 1

1.1. BACKGROUND OF THE PROBLEM

1.2. STATEMENT OF THE PROBLEM

1.3. PROJECT GOALS

1.4. METHODOLOGY

1.5. LIMITATIONS OF THE STUDY

CHAPTER 2 - LITERATURE REVIEW

CHAPTER 3 - PROJECT DESCRIPTION

3.1. DATA COLLECTION

3.2. DATA INFORMATION

CHAPTER 4 - PROJECT ANALYSIS

4.1. EXPLORATORY DATA ANALYSIS

4.2. DATA CLEANING

4.3. DATA VISUALIZATION

4.4. RESULTS – EXPLORATORY DATA ANALYSIS

4.5. MODEL BUILDING

4.6. COMPARISON OF DIFFERENT MODELS

CHAPTER 5 - CONCLUSION

5.1. CONCLUSION

5.2. RECOMMENDATIONS

5.3. FUTURE WORK

REFERENCES