RIV/00216224:14330/12:00062000 - Tracking customer portrait by unsupervised classification techniques (2012)

Údaje o výsledku
Identifikační kódRIV/00216224:14330/12:00062000
Název v původním jazyceTracking customer portrait by unsupervised classification techniques
DruhJ - Článek v odborném periodiku
Jazykeng - angličtina
OborIN - Informatika
Rok uplatnění2012
Kód důvěrnosti údajůS - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů
Počet výskytů výsledku1
Údaje z Hodnocení výsledků výzkumných organizací 2014
Výsledek byl hodnocen v Pilíři I
Rozsah vyřazení výsledkuTento výskyt výsledku není vyřazen
Zařazení výsledku v hodnoceníJimp - Článek v impaktovaném časopise evidovaném ve Web of Science
Skupina oboru v hodnocení04 - Technické a informatické vědy
Konkrétní způsob(y) hodnocení výsledkuVýsledek hodnocený již v předchozím hodnocení, body se přebírají
Bodové ohodnocení14,886
Faktor korekce90,8 %
Body (upravené podle přílohy č. 8 Metodiky)13,519
Rozdělení výsledku mezi předkladatele
OrganizaceVýzkumná organizace?PodílBodyBody (upravené podle přílohy č. 8 Metodiky)
Masarykova univerzita / Fakulta informatikyano80,0 %11,90910,815
Tvůrci výsledku
Počet tvůrců celkem3
Počet domácích tvůrců2
TvůrcePitner Tomáš (státní příslušnost: CZ - Česká republika; A - domácí tvůrce; vedidk: 6337392)
TvůrceKriksciuniene Dalia (státní příslušnost: LT - Litevská republika; A - domácí tvůrce; G - garant výsledku)
TvůrceSakalauskas Virgilijus (státní příslušnost: LT - Litevská republika)
Údaje blíže specifikující výsledek
Popis v původním 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 presented by 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 slovacustomer relationship management; CRM indicators; neural network analysis; sensitivity analysis; cluster analysis
Kód UT ISI000311708800011
Název periodkaTransformations in Business & Economics. Kaunas Faculty of Humanitie
Rozsah stran167-189
ISSN1648-4460
Svazek periodika11
Číslo periodika v rámci uvedeného svazku3
Stát vydavatele periodikaLT - Litevská republika
Počet stran výsledku23
Údaje o tomto záznamu o výsledku
PředkladatelMasarykova univerzita / Fakulta informatiky
DodavatelMSM - Ministerstvo školství, mládeže a tělovýchovy (MŠMT)
Rok sběru2013
Systémové označení dodávky datRIV13-MSM-14330___/02:2
SpecifikaceRIV/00216224:14330/12:00062000!RIV13-MSM-14330___
Kontrolní kód[753B772C6154]
Jiný výskyt tohoto výsledku se v RIV nenachází
Odkazy na výzkumné aktivity, při jejichž řešení výsledek vznikl
ProjektLA09016 - Účast ČR v European Research Consortium for Informatics and Mathematics (ERCIM) (2009-2012, MSM/LA)
S - Specifický výzkum na vysokých školách
I - Instit. podpora na rozvoj výzkumné organizace