فهرست نشریات علمی دسترسی آزاد ایران

زمینه و هدف: مدیریت ارتباط با مشتری (CRM) ابزار مؤثری برای شناسایی و تحلیل نیازهای مشتریان است. ترکیب با الگوریتم‌های یادگیری ماشین، امکان توسعه مدل‌های پیش‌بینی رضایت مشتری را فراهم می‌آورد که می‌توانند با دقت بالایی احتمال رضایت مشتریان را پیش‌بینی نماید. این مدل‌ها علاوه بر تصمیم‌گیری مدیریتی در سطح عملیاتی، در تدوین سیاست‌های کلان مشتری‌محور نیز کاربرد دارند .هدف این پژوهش، شناسایی عوامل اصلی مؤثر بر رضایت مشتریان و ارائه مدلی برای پیش‌بینی میزان رضایت در صنعت خودروسازی است. روش‌شناسی: این پژوهش از نوع کاربردی است و داده‌های مربوط به 1200 مشتری خدمات پس از فروش یک شرکت خودروسازی گردآوری شد. پس از پاک‌سازی و نرمال‌سازی داده‌ها، برای تحلیل از دو الگوریتم یادگیری ماشین شامل خوشه‌بندی فازی (FCM) و درخت تصمیم فازی (FDT) استفاده گردید. همچنین، اعتبار مدل‌ها با شاخص‌هایی همچون دقت، MAE و RMSE مورد سنجش قرار گرفت. یافته‌ها: نتایج نشان داد مشتریان در سه خوشه اصلی شامل «راضی»، «ناراضی» و «متوسط» قرار می‌گیرند. متغیرهای زمان پاسخگویی (30 درصد) و هزینه خدمات (25 درصد) بیشترین تأثیر را بر رضایت مشتریان داشتند. دقت مدل درخت تصمیم فازی 89 درصد و خطای RMSE آن 0.12 محاسبه شد که بیانگر عملکرد مطلوب مدل است. نتیجه‌گیری: این پژوهش نشان داد که استفاده از الگوریتم‌های یادگیری ماشین، به‌ویژه خوشه‌بندی فازی و درخت تصمیم فازی، می‌تواند به مدیران در شناسایی گروه‌های مختلف مشتریان، پیش‌بینی میزان رضایت آن‌ها و تدوین استراتژی‌های هدفمند کمک کند. نتایج این تحقیق می‌تواند به‌عنوان الگویی عملی برای بهبود خدمات پس از فروش در صنعت خودروسازی و سایر صنایع مشابه مورد استفاده قرار گیرد. استفاده از فناوری های هوشمند و سیستم‌های مدیریت ارتباط با مشتری (CRM) برای تحلیل مداوم داده‌ها توصیه می‌شود.