ترجمه مقاله استفاده از کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری به منظور تعیین مشخصات مشتری - نشریه الزویر

ترجمه مقاله استفاده از کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری به منظور تعیین مشخصات مشتری - نشریه الزویر
قیمت خرید این محصول
۴۱,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
استفاده از کلان داده ها در سیستم های اطلاعاتی مدیریت ارتباط با مشتری به منظور تعیین مشخصات مشتری در بخش هتلداری
عنوان انگلیسی
Using big data from Customer Relationship Management information systems to determine the client profile in the hotel sector
صفحات مقاله فارسی
28
صفحات مقاله انگلیسی
11
سال انتشار
2018
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
7.271 در سال 2018
شاخص H_index مجله
159 در سال 2019
شاخص SJR مجله
2.924 در سال 2018
شناسه ISSN مجله
0261-5177
شاخص Q یا Quartile (چارک)
Q1 در سال 2018
کد محصول
10097
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن
به صورت انگلیسی درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است ✓
بیس
است ✓
مدل مفهومی
ندارد ☓
پرسشنامه
ندارد ☓
متغیر
دارد ✓
رفرنس در ترجمه
در داخل متن و انتهای مقاله درج شده است
رشته و گرایش های مرتبط با این مقاله
مدیریت، مهندسی فناوری اطلاعات، مدیریت سیستم های اطلاعات، مدیریت منابع انسانی، مدیریت فناوری اطلاعات، مدیریت هتلداری
مجله
مدیریت گردشگری - Tourism Management
دانشگاه
گروه اقتصاد بازرگانی، دانشگاه ری خوان کارلوس، مادرید، اسپانیا
کلمات کلیدی
کلان داده ها، صنعت گردشگری و مهمان نوازی، مدیریت ارتباط با مشتری، بازنمونه گیری بوت استرپ (Bootstrap)، هتل های زنجیره ای
کلمات کلیدی انگلیسی
Big data - Hospitality industry - Customer relationship management - Client profile - Bootstrap resampling - Hotel chains
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.tourman.2018.03.017
فهرست مطالب
چکیده
1. مقدمه
2. بررسی ادبیات
1.2. CRM در صنعت گردشگری و مهمان نوازی
2.2. کلان داده ها در صنعت گردشگری و مهمان نوازی
3.2. مشخصه مشتریان جدیدالورود و ثابت (تکرارکننده)
3. روش های آماری و تحلیل داده ها
1.3. پایگاه داده بزرگ
2.3. آزمون های نسبت و بازنمونه گیری بوت استرپ
3.3. کلان داده ها و پیاده سازی کاهش نگاشت (map-reduce)
4.نتایج
1.4. برخی از آمارهای توصیفی
2.4. مزیت های آزمون فرضیه ای کلان داده ها
3.4. نتایج کروموسوم و اسپایدروب برای آزمون های نسبت
5.بحث و مفاهیم
1.5. بررسی مطالعه موردی کلان داده
2.5 مفاهیم تکنیکی
3.5. مفاهیم هتل های زنجیره ای
6. نتیجه گیری نهایی
منابع
نمونه چکیده متن اصلی انگلیسی
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 چکیده ترجمه متن فارسی
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.

بدون دیدگاه