Organizace U  S Kód
hodnocení
Skupina
oborů
Body
výsledku
Body
upravené
Podíl VOBody VOBody VO
upravené
H14
Masarykova univerzita / Fakulta informatiky1213 Jimp 414.88613.5190.811.90910.815
Výsledky hodnocení dříve prezentovala speciální podoba stránek výskytů výsledků doplněná informacemi o hodnocení daného výskytu a výsledku. To zde supluji doplněním kopií stránek z rvvi.cz/riv z 18.12.2017 o relevantní údaje z dat H16. Najetí myší na kód či skupinu zobrazí vysvětlující text (u některých vyřazených není k dispozici). Čísla jsou oproti zdroji zaokrouhlena na 3 desetinná místa.

Tracking customer portrait by unsupervised classification techniques (2012)výskyt výsledku

Identifikační kódRIV/00216224:14330/12:00062000
Název v anglickém jazyceTracking customer portrait by unsupervised classification techniques
DruhJ - Článek v odborném periodiku
Jazykeng - angličtina
Obor - skupinaI - Informatika
OborIN - Informatika
Rok uplatnění2012
Kód důvěrnosti údajůS - Úplné a pravdivé údaje o výsledku nepodléhající ochraně podle zvláštních právních předpisů.
Počet výskytů výsledku1
Počet tvůrců celkem3
Počet domácích tvůrců2
Výčet všech uvedených jednotlivých tvůrcůTomáš Pitner (státní příslušnost: CZ - Česká republika, domácí tvůrce: A, vedidk: 6337392)
Dalia Kriksciuniene (státní příslušnost: LT - Litevská republika, domácí tvůrce: A)
Virgilijus Sakalauskas (státní příslušnost: LT - Litevská republika)
Popis výsledku v anglickém jazyceThe problem of the research is targeted to exploring the customer-related information by analysing marketing indicators in order to substantiate the enterprise financial results. The concept of dynamic customer portrait is introduced for creating analytical model. The suggested model explores the most influential variable sets for identifying customer clusters and basis for their membership. The computational methods of neural network, sensitivity analysis and self-organized maps for unsupervised classification were applied and verified by the experimental research. The experimental research was performed by applying the suggested model for customer database of the travel agency. The analysis results were summarized and the research insights presentedby analyzing the effectiveness of the method in forecasting financial outcomes related to customer mapping and migrating between clusters over the dynamic development of the customer portrait indicators.
Klíčová slova oddělená středníkemcustomer relationship management; CRM indicators; neural network analysis; sensitivity analysis; cluster analysis
Stránka www, na které se nachází výsledek-

Údaje o výsledku v závislosti na druhu výsledku

Název periodikaTransformations in Business & Economics. Kaunas Faculty of Humanitie
ISSN1648-4460
Svazek periodika11
Číslo periodika v rámci uvedeného svazku3
Stát vydavatele periodikaLT - Litevská republika
Počet stran výsledku23
Strana od-do167-189
Kód UT WoS článku podle Web of Science000311708800011
EID výsledku v databázi Scopus-

Ostatní informace o výsledku

PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelMSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT)
Rok sběru2013
SpecifikaceRIV/00216224:14330/12:00062000!RIV13-MSM-14330___
Datum poslední aktualizace výsledku09.08.2013
Kontrolní číslo43450110

Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl

Projekt podporovaný MŠMT v programu LALA09016 - Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (2009 - 2012)
Podpora / návaznostiInstitucionální podpora na rozvoj výzkumné organizace
Specifický výzkum na vysokých školách, poskytovatel MŠMT