عنوان فارسی:دانلود ترجمه مقاله بکارگیری کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری

دانلود ترجمه مقاله بکارگیری کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری – الزویر ۲۰۱۸:ما به این نتیجه رسیدیم که پروفایل تکرارکننده ها در این زنجیره با مجردی, مرد بودن, و سفر بدون فرزند در سه ملیت بررسی شده, مطابقت داشت, با این حال, تفاوت هایی بین ملیت ها ازنظر طول مدت اقامت ( بریتانیایی ها و آلمانی ها بیشتر از اسپانیایی ها) و سن ( بریتانیا و المان مسن تر, و اسپانیا جوان تر) وجود داشت.

بعلاوه, باتوجه به تعداد زیاد توریست های درنظر گرفته شده و حجم بالای اطلاعات بکار برده شده, مشخصات شناسایی شده در این زنجیره نه تنها برای هتل ها, بلکه برای شرکت های گردشگری و مقصد های سفر, بسیار مفید است به این منظور که براحتی محصولات خود و اقدامات بازاریابی خود را سازگار کنند. بطورکلی, بیشترین حجم داده های موجود از مشتریان, فرصت های مناسب برای شرکت های هتل ایجاد می کنند, که می تواند به مزیت رقابتی قوی تبدیل شود

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

چکیده
۱- مقدمه
۲- بررسی ادبیات
۲-۱- CRM در صنعت گردشگری و مهمان نوازی
۲-۲- کلان داده ها در صنعت گردشگری و مهمان نوازی
۲-۳- مشخصه مشتریان جدیدالورود و ثابت (تکرارکننده)
۳- روش های آماری و تحلیل داده ها
۳-۱- پایگاه داده بزرگ
۳-۲- آزمون های نسبت و بازنمونه گیری بوت استرپ
۳-۳- کلان داده ها و پیاده سازی کاهش نگاشت (map-reduce)
۴-نتایج
۴-۱- برخی از آمارهای توصیفی
۴-۲- مزیت های آزمون فرضیه ای کلان داده ها
۴-۳- نتایج کروموسوم و اسپایدروب برای آزمون های نسبت
۵-بحث و مفاهیم
۵-۱- بررسی مطالعه موردی کلان داده
۵-۲ مفاهیم تکنیکی
۵-۳- مفاهیم هتل های زنجیره ای
۶- نتیجه گیری نهایی
منابع

چکیده

دانش مشتری یک نکته ی کلیدی در مدیریت گردشگری است. با این حال, نقشی که می تواند بواسطه ی حجم بالایی از اطلاعات موجود در سیستم های مدیریت ارتباط با مشتری (CRM) ایفا کند, در زمانی که استفاده از تکنیک کلان داده های نوظهور, کارامدی مشخصه های (پروفایل) مشتریان را بررسی کرده, هنوز در مراحل اولیه است. در این روش, ما به ارزیابی مشخصات (پروفایل) مشتری در یک سیستم CRM در یک هتل زنجیره ای بین المللی با استفاده از تکنولوژی کلان داده ها و روش های بازنمونه گیری بوت استرپ (Bootstrap) برای تست های مربوطه پرداختیم. شباهت زیادی در ویژگی اکثر تکرار کننده ها (مشتریانی که به صورت مکرر در هتل اقامت میکردند) که بدون فرزند خود مسافرت میکردند, یافت شد.

مشخصه های مشتریان بریتانیایی و آلمانی بیشتر شبیه به هم بود و تفاوت اصلی آنها با مشتریان اسپانیایی درطول مدت اقامت و سن آنها بود. برای یک زنجیره تعطیلات, این نتایج تحلیل بیشتری را درباره ی جهتگیری هدفدار نسبت به بخش های جدید بازار نشان میدهد. تکنولوژی کلان داده ها میتواند برای تحلیل داده های داخلی موجود در سیستم های اطلاعاتی CRM ازسوی صنعت گردشگری بسیار مفید باشد.

Abstract

Client knowledge remains a key strategic point in hospitality management. However, the role that can be played by large amounts of available information in the Customer Relationship Management (CRM) systems, when addressed by using emerging Big Data techniques for efficient client profiling, is still in its early stages. In this work, we addressed the client profile of the data in a CRM system of an international hotel chain, by using Big Data technology and Bootstrap resampling techniques for Proportion Tests. Strong consistency was found on the most representative feature of repeaters being traveling without children. Profiles were more similar for British and German clients, and their main differences with Spanish clients were in the stay duration and in age.

For a vacation chain, these results suggest further analysis on the target orientation towards new market segments. Big Data technologies can be extremely useful for analyzing indoor data available in CRM information systems from hospitality industry.

نمونه ترجمه مقاله:

1. مقدمه

دانش مشتری برای صنعت گردشگری و مهمان نوازی حیاتی است و یک نقش اساسی در بهبود پیشنهاد برای خدمات باکیفیت تر ( یعنی سازگارتر و سفارشی تر), ارتباط با مشتری و راهبرد استراتژیکی بازاریابی ایفا می کند (Adomavicius و Tuzhilin, 2001؛ Min, Min و Emam, 2002). نتایج همه ی اینها رضایت مشتری را بهبود می بخشد و وفاداری آنها را افزایش داده و تضمینی برای برگشت دوباره مشتری بوده و سود دهی را بالا می برد (Tseng و Wu, 2014). درطول چندین سال گذشته, این اطلاعات عمدتا در بسیاری از هتل ها توسط اولویت های جمع آوری و ثبت شده ی مشتریان به سیستم های مدیریت ارتباط با مشتری (CRM) مدیریت شده است (Sarmaniotis, Assimakopoulos و Papaioannou, 2013). CRM ها به یک استراتژی کلیدی برای بهبود رضایت مشتری و بویژه بقاء و نگهداری آنها در هتل تبدیل شده است (Padilla-Meléndez و Garrido-Moreno, 2013) و به میزان قابل توجهی برای سازمان ها با ایجاد اطلاعات ارزشمند درباره ی مشتریان آنها, مفید هستند (Chadha, 2015؛ Kotler, 2002؛ Nguyen, Sherif و Newby, 2007).

با این وجود, اخیرا اشاره شده است (Dursun و Caber, 2016 ) که حتی تکنیک های پیشرفته ی تحلیلی, نظیر داده کاوی, هنوز بطور کامل در صنعت هتلداری برای اهداف پروفایل های مشتریان با استفاده از داده های جامع که بطور منظم با سیستم های CRM هتل جمع آوری می شود, مورد استفاده قرار نگرفته است. امروزه حجم وسیعی از اطلاعات در شرکت های هتلداری, داخلی و ساختاری ( از مدیریت املاک و سیستم های CRM), و هم خارجی و غیرساختاری ( مانند پلتفرم های نظری, شبکه های اجتماعی, یا محلی سازی جغرافیایی, دربین بسیاری دیگر) قابل دسترس اند. این توجه ابزارهای قدرتمندِ موجود ازسوی تکنولوژی کلان داده ها نیازهایی را بوجود می اورد که در گذشته در زمینه های دیگر مانند بیوانفورماتیک، مراقبت های بهداشتی و یا مالی (George, Haas و Pentland, 2014) مورد استفاده قرار گرفته اند.

تکنولوژی کلان داده ها فرصت های بینظیری برای استنتاج اماری در تحلیل گسترده ارائه می دهد, اما آنها چالش های جدیدی برای ارزیابی و بررسی بوجود می اورند, بویژه زمانیکه تحلیل مجموعه های جمع آوری شده ی داده های کوچک تر را مورد مقایسه قرار می دهد. در تحقیق Sivarajah, Kamal, Irani و Weerakkody (2017), یک بررسی سیستماتیک و گویا روی پیشرفته ترین تحلیل ادبیات در تکنیک و تحلیل کلان داده ها ارائه شده است, که چالش های کلیدی را ازنظر انواع مختلف داده, پردازش داده و مدیریت داده ها مشخص می کند.