داده کاوی

هدف: شناسایی و طبقه بندی مشتریان بیمه درمان به منظور شناسایی جامعه هدف و در نتیجه افزایش سودآوری شرکت های بیمه، ایجاد توازن در پرداختی حق بیمه و طراحی استراتژی بازاریابی. روش شناسی: در این مقاله از 5 الگوریتم یادگیری ماشین درخت تصمیم، جنگل تصادفی، ماشین بردار پشتیبان، بیز ساده و رگرسیون لجستیک به منظور طبقه بندی مشتریان به دو دسته سود ده و زیان ده استفاده شده است. به این منظور از داده ها و اطلاعات تعداد 2897 بیمه نامه درمان یک شرکت بیمه خصوصی در بازه زمانی آذر 1400 تا آذر 1401 استفاده شده است. یافته ها: این مقاله نشان می دهد که با استفاده از روش های یادگیری ماشین و ویژگی های ثبت شده از مشتریان در پرسشنامه سلامت می توان سود ده یا زیانده بودن آن ها را تا حدود مناسبی پیش بینی کرد. این مقاله نشان می دهد که تمرکز بر روی جامعه هدف معرفی شده توسط مدل شانس موفقیت و افزایش سود را به مقدار چشم گیری افزایش می دهد. نتیجه گیری: می توان با استفاده از روش های یادگیری ماشین به درک مناسبی از مشخصه های مشتریان بیمه درمان و نیاز های آنها رسید. پیدا کردن جامعه هدف علاوه بر این که به افزایش سود شرکت بیمه منجر می شود می تواند با تمرکز بر خواسته های مشتریان به افزایش رضایتمندی آن ها نیز منجر شود.

امروزه جمع آوری داده های بیماری ها، به جهت شناسایی و درمان آن ها از اهمیت زیادی برخوردار است. به منظور کشف الگوهای پنهان در این داده ها می توان از روش های داده کاوی استفاده کرد. نتایج حاصل از داده کاوی به پزشکان کمک می کند تا بتوانند راه حل های جدیدی را برای درمان یا پیشگیری بیماری ها پیدا کنند. افسردگی ازجمله بیماری های روانی است که روزبه روز در حال گسترش است. این بیماری همراه با اختلال در خلق وخو، اندیشه و بدن ایجاد و باعث می شود فرد احساس ناراحتی و بی فایده بودن کند. هدف اصلی این پژوهش ارائه مدلی در جهت تشخیص میزان افسردگی بیماران افسرده و بررسی ارتباط آن با موسیقی در جهت ارائه راه حل های مفید به منظور بهبود این بیماران است. در این تحقیق 470 نفر از بیماران مبتلا به افسردگی 2 شهر تهران و کرج موردبررسی قرار گرفتند تا ارتباط بین پارامترهای سبک زندگی و موسیقی موردعلاقه آن ها با بیماری افسردگی کشف شود. بیماری های فیزیکی مختلفی می تواند منجر به افسردگی شود. ازاین رو، تعدادی از این بیماری ها در این پژوهش موردبررسی قرار گرفتند. از الگوریتم های درخت تصمیم گیر و ماشین بردار پشتیبان و برنامه رپیدماینر استفاده شد. نتایج نشان داد که موسیقی و ورزش نقش مهمی در میزان افسردگی افراد دارد و گوش کردن به موسیقی های غمگین و راک و متال می تواند به افسرده شدن فرد کمک کند.

مقدمه: هدف کشف الگوها و موضوعات خواندن و تیپ های مطالعه کننده سالمندان براساس قوانین داده کاوی است.روش: پژوهش حاضر از فنون داده کاوی و الگوریتم های قوانین طبقه بندی و خوشه بندی استفاده می کند. نمونه این پژوهش شامل 918324 داده امانت کتاب از سامانه مدیریت کتابخانه های عمومی ایران بود. این داده ها مورد پالایش قرار گرفتند و با استفاده از نرم افزارهای اکسل، اس پی اس اس و کلمنتاین تحلیل شدند.یافته ها: نتایج نشان داد مردان سالمند در حدود 5/2 برابر زنان سالمند کتاب امانت گرفتند. ازنظر سنی بیشتر امانت های سالمندان در دوره آغازین سالمندی ثبت شده بود. کتاب های ادبی حدود نصف و کتاب های تاریخی حدود یک پنجم از علایق خواندن سالمندان را تشکیل می دادند. کاربران سالمند بیشتر از عموم کاربران، تمایل به خواندن موضوعات ادبی، تاریخی و مذهبی داشتند. نتایج داده کاوی نشان داد متغیرهای جنسیت، تحصیلات، سن و شغل به ترتیب پیش بینی کننده های موضوع کتاب های مطالعه شده توسط سالمندان بودند. جنسیت نخستین پیش بینی کننده بود، برای زنان سطح تحصیلات و برای مردان گروه سنی، دومین متغیر پیش بینی کننده بودند. به صورت کلی، زنان گرایش به ادبیات ایرانی و مردان گرایش به مطالعه کتاب های غیرادبیات داشتند. خوشه بندی تیپ های سالمندان نیز 5 خوشه را برای ویژگی های سالمندان و رده کتاب ها نشان داد.نتیجه گیری: این پژوهش نشان داد علایق خواندن سالمندان متفاوت از عموم مردم است و موضوعات مورد علاقه سالمندان متنوع بوده و متأثر از ویژگی های جمعیت شناختی آن ها است.

اعتماد اجتماعی به عنوان شیرازه ی همبستگی اجتماعی، امری بنیادین در برقراری و تداوم جامعه است. پژوهش های انجام شده طی سال های اخیر گویای کاهش اعتماد اجتماعی در ابعاد سازمانی و رسمی آن است. از سوی دیگر در سال های اخیر با روند رو به رشد استفاده از اینترنت و شبکه های اجتماعی مواجه بوده ایم که خود به معنای دسترسی سریع به اخبار و داده های بسیار درباره ی رخدادهای اجتماعی است. چنین به نظر می رسد که در شرایط جدید، گسترش ارتباطات جهانی از طریق اینترنت و شبکه های اجتماعی، فرایند شکل گیری اعتماد را نیز متأثر کرده و به واسطه ی فعالیت در فضای مجازی نقش سازمان های غیر رسمی، گروه های فعال و حتی افراد در جهت گیری اعتماد اجتماعی اهمیت یافته است. در این مقاله کوشیده ایم با استفاده از روش های نوین داده کاوی، با پایش داده های توییتر، سطح اعتماد به عملکرد سیاسی دولت درباره موضوع برجام را بسنجیم. برای این منظور توییت ها بر اساس اعتماد، بی اعتمادی و خنثی دسته بندی شده و مدلی پیش بینی کننده برای اعتماد بر اساس داده های توییتر ایجاد شده است که متوسط اعتماد را بر اساس معادله رگرسیون اندازه گیری می کند. همچنین همبستگی متوسط اعتماد با ارزش کالاهای سرمایه ای به طور خاص سکه بهار آزادی و دلار بررسی شده است. نتایج حاکی از آن است که اخبار منفی درباره ی برجام باعث افزایش بی اعتمادی کاربران می شود. از سوی دیگر بین بی اعتمادی که موجب عدم اطمینان نسبت به آینده می گردد و نوسان قیمت کالاهای سرمایه ای مانند ارز و سکه همبستگی مشاهده می شود. به بیان دیگر بی اعتمادی و عدم ثبات اجتماعی تنش در بازار کالاهای سرمایه ای مانند سکه و ارز را افزایش داده و ترس از آینده و میل به نگاه داشت سرمایه موجب افزایش تقاضا، همچنین رشد بیشتر قیمت کالاهای سرمایه ای می گردد.

هدف: با نقش روزافزون رسانه های اجتماعی در رشد دیجیتال مارکتینگ، به عنوان یکی از روندهای بازاریابی بسیار مهم و پیش بینی ناپذیر امروزه، پلتفرم های خاصی مانند فیسبوک و اینستاگرام به ابزارهای ضروری در حوزه تبلیغات و بازاریابی تبدیل شده اند. این نشان می دهد که اینستاگرام از نظر پلتفرم های رسانه های اجتماعیِ پیشرو که توسط متخصصان بازاریابی و صاحبان برند استفاده می شود، پس از فیسبوک در رتبه دوم قرار دارد. حجم گسترده محتوای تبلیغاتی و بازاریابی تولید شده در شبکه های اجتماعی، باعث شده است که صاحبان کسب وکارها، این محتوا را به گونه ای تهیه کنند که برای مخاطبان هدف جالب توجه باشند و به این طریق میزان مشارکت را در صفحات کسب وکار خود افزایش دهند. از سوی دیگر، با توجه به افزایش چشمگیر تعداد دنبال کنندگان شبکه اجتماعی اینستاگرام طی سال های گذشته و همچنین، علاقه کاربران به دنبال کردن کسب وکارها در این پلتفرم، اهمیت مضاعف این شبکه برای متخصصان حوزه بازاریابی پوشیده نیست. با توجه به آنچه بیان شد، هدف این مطالعه بررسی تأثیر ویژگی های محتوای منتشرشده بر مشارکت مشتری در شبکه اجتماعی اینستاگرام است. روش: با توجه به حجم عظیم محتوای تولید شده در شبکه های اجتماعی، یکی از روش های عالی برای تجزیه وتحلیل و شناسایی الگوهای موجود در این شبکه ها، تکنیک های داده کاوی است. بدین منظور، ویژگی های بصری و متنی ۴۹۰ محتوای منتشرشده در صفحات تجاری فراورده های آرایشی و بهداشتی، از برندهای سینره، لایسل، شون و بایودرما، گردآوری شد. سپس با استفاده از نرم افزار داده کاوی کلمنتاین و سه روش قوانین انجمنی، مدل اپریوری و درخت تصمیم، ویژگی های مؤثر بر رفتارهای مشارکت مشتریان از منظر لایک ها، کامنت ها و مکالمه ها شناسایی و چگونگی تأثیرگذاری آن ها ارزیابی شد. یافته ها: نتایج این پژوهش بیانگر آن است که ویژگی های بصری و متنی تعبیه شده در محتوای پیام های منتشر شده، بر رفتارهای مشارکت مشتریان تأثیر می گذارد. بر اساس این یافته ها استفاده از ویژگی های متنی ترغیب کننده، مانند مناسبت های رسمی و واقعیت های شایان توجه و همچنین، ویژگی های متنی آگاه ساز، مانند قیمت و مخاطبان هدف، بر میزان مشارکت مشتریان با صفحات کسب وکارها تأثیر می گذارد. افزون بر این، ویژگی های بصری آگاه ساز، مانند مرکزیت برند و مرکزیت محصول، در بازه های مقداری مشخصی، بر رفتار مشارکت مشتریان تأثیرگذار است. نتیجه گیری: پژوهش های پیشین در شبکه اینستاگرام، به طور عمده روی لایک ها و کامنت ها، به عنوان رفتارهای مشارکت مشتریان تأکید کرده اند. پژوهش حاضر علاوه بر بررسی این دو رفتار، گفت وگوهای صورت گرفته در کامنت ها (مکالمه ها) را نیز ارزیابی کرده است. افزون بر این، پژوهش حاضر با در نظر گرفتن همه جنبه های محتواهای منتشر شده و معرفی ۱۳ ویژگی متنی و ۲ ویژگی بصری، درک عمیق تری از ویژگی های محتواهای تأثیرگذار بر رفتارهای مشارکت مشتریان فراهم می آورد و شکاف موجود مبنی بر چگونگی تولید محتوا به منظور افزایش مشارکت مشتریان را پُر می کند. نتایج این پژوهش به مدیران کسب وکارها و برندها، به ویژه در حوزه فراورده های آرایشی و بهداشتی کمک می کند تا استراتژی مشارکت مشتری کارآمد و مؤثری را در شبکه های اجتماعی بصری در پیش گیرند.