ترجمه مقاله به سوی استخراج نیازهای مشتری از تیکت های رویداد در خدمات IT – نشریه IEEE

عنوان فارسی: | به سوی استخراج نیازهای مشتری از تیکت های رویداد در خدمات IT |
عنوان انگلیسی: | Towards Extracting Customer Needs from Incident Tickets in IT Services |
تعداد صفحات مقاله انگلیسی : 8 | تعداد صفحات ترجمه فارسی : 20 |
سال انتشار : 2016 | نشریه : آی تریپل ای - IEEE |
فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
کد محصول : 8634 | رفرنس : دارد |
محتوای فایل : zip | حجم فایل : 1.33Mb |
رشته های مرتبط با این مقاله: مدیریت و مهندسی فناوری اطلاعات |
گرایش های مرتبط با این مقاله: مدیریت فناوری اطلاعات، مدیریت سیستم های اطلاعات و سیستم های اطلاعاتی پیشرفته |
مجله: هیجدهمین کنفرانس در انفورماتیک های کسب و کار - 18th Conference on Business Informatics |
دانشگاه: موسسه تحقیقات خدمات کارلسروهه، موسسه تکنولوژی کارلسروهه، آلمان |
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است |
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است |
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است |
چکیده
I. مقدمه
II. مقالات مرتبط
III. پایه و شالوده
IV. روش شناسی
A. آماده سازی کلی
B. انتخاب ویژگی
C. برچسب زدن
D. استخراج متن
E. طبقه بندی
F. مقیاس های ارزیابی برای طبقه بندی
V. نتایج
A. محیط مطالعه امکان سنجی
B. مراحل آماده سازی
C. استخراج متن و ارزیابی طبقه بندی
D. تعبیر و تفسیر
VI. نتیجه گیری
Abstract
In many service relationships, customer encounters are not systematically exploited in order to gain valuable insights. However, text mining and analytics methods would provide effective means to systematically screen customer responses and automatically extract relevant business information. In this work, we develop a machine learning method as an artifact for screening incident information in IT Services to detect customer needs. We implement and evaluate the method in a realworld context with an IT provider covering several thousands of incident tickets per year. We show that it is feasible to map incoming tickets to a domain-specific selection of needs—and, hence, enable the providers’ customer contacts to address unfilled needs with tailored service offerings. Thus, we contribute a methodology to service marketing and innovation managers to automatically and scalably monitor their customer base for additional sales opportunities.
چکیده
در بسیاری از روابط خدمات، به منظور بدست آوردن بینش های ارزشمند از ملاقات (برخوردهای) مشتری به صورت سیستماتیک بهره برداری نمی شود. با این وجود، روش های استخراج متن و تجزیه و تحلیل ابزار موثری را فراهم می کند تا به صورت سیستماتیک پاسخ های مشتری را غربال کرده و به طور خودکار اطلاعات تجارت مرتبط را استخراج کند.
در این پژوهش، روش یادگیری ماشینی را به عنوان یک محصول مصنوعی برای غربال اطلاعات رویداد در خدمات IT توسعه دادیم تا نیازهای مشتری را تشخیص دهد. روش را در زمینه ی جهان واقعی با فراهم آورنده ی IT که هزاران ticket رویداد را سالانه پوشش می دهد، پیاده سازی کرده و ارزیابی می کنیم.
نشان دادیم که ترسیم ticket های دریافتی برای مجموعه نیازهای مختص حوزه ای خاص ممکن و شدنی است- و بنابراین تماس های مشتری فراهم کننده را مقدور می سازد تا نیازهای برآورده نشده را با ارائه خدمات مناسب مورد بررسی قرار دهد. بنابراین، روش شناسی ای برای بازاریابی خدمات و مدیران نوآوری ارائه کرده ایم تا به صورت خودکار و مقیاس پذیر مبنای مشتری برای فرصت های فروش اضافی را مورد نظارت قرار دهد.