با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد).
دسته بندی:
تجارت الکترونیک - electronic commerce
سال انتشار:
2001
ترجمه فارسی عنوان مقاله:
برنامه های پیشنهادی تجارت الکترونیکی
عنوان انگلیسی مقاله:
E-Commerce Recommendation Applications
منبع:
Springer, Data Mining and Knowledge Discovery, 5, 115–153, 2001
نویسنده:
J. BEN SCHAFER, JOSEPH A. KONSTAN, JOHN RIEDL
چکیده انگلیسی:
Recommender systemsare being used by an ever-increasing number of E-commerce sites to help consumers find products to purchase. What started as a novelty has turned into a serious business tool. Recommender
systems use product knowledge—either hand-coded knowledge provided by experts or “mined” knowledge learned
from the behavior of consumers—to guide consumers through the often-overwhelming task of locating products
they will like. In this article we present an explanation of how recommender systems are related to some traditional
database analysis techniques. We examine how recommender systems help E-commerce sites increase sales and
analyze the recommender systems at six market-leading sites. Based on these examples, we create a taxonomy
of recommender systems, including the inputs required from the consumers, the additional knowledge required
from the database, the ways the recommendations are presented to consumers, the technologies used to create
the recommendations, and the level of personalization of the recommendations. We identify five commonly used
E-commerce recommender application models, describe several open research problems in the field of recommender systems, and examine privacy implications of recommender systems technology.
Keywords: electronic commerce | recommender systems | personalization | customer loyalty | cross-sell | up-sell | mass customization | privacy | data mining | database marketing | user interface
چکیده فارسی:
سیستمهای پیشنهاد دهنده توسط تعداد رو به افزایشی از سایتهای تجارت الکترونیک برای کمک به مصرف کنندگان در پیدا کردن محصولات برای خرید مورد استفاده قرار می گیرند. چیزی که به عنوان یک کار تازه به یک ابزار تجاری جدی تبدیل شده است. سیستم های پیشنهادگر از اطلاعات محصول که یا اطلاعات کدگذاری شده به صورت دستی ارائه شده توسط متخصصان یا اطلاعات استخراج شده ای که از رفتار مشتریان بدست آمده است می باشند، استفاده می کنند که برای راهنمایی مشتریان اغلب از طریق پیدا کردن محصولاتی است که مشتریان دوست دارند و کار سختی هم می باشد. در این مقاله ما شرحی از نحوه ی ارتباط سیستم های پیشنهادگر با برخی تکنیک های سنتی تحلیل پایگاه داده را ارائه می دهیم. ما بررسی کردیم که سیستم های پیشنهادگر به چه نحوی به افزایش فروش مکان های تجارت الکترونیکی کمک می کنند و سیستم های پیشنهادگر را در شش مکان بازاری پیشرو تحلیل کردیم. بر اساس این مثال ها، ما یک طبقه بندی از سیستم های پیشنهادگر را ایجاد کردیم از جمله داده های مورد نیاز از مشتریان، اطلاعات اضافی مورد نیاز از پایگاه داده، راه های ارائه ی پشنهادات برای مشتریان، فن آوری های مورد استفاده برای ایجاد پیشنهادات و سطح خصوصی سازی پیشنهادات.
ما 5 مدل رایج از مدل های برنامه ی پیشنهاد کننده تجارت الکترونیک را شناسایی کردیم، چندین مسئله ی تحقیقاتی باز را در زمینه ی سیستم های پیشنهاد کننده را توصیف کرده و مفاهیم حریم خصوصی فن آوری سیستم های پیشنهاد کننده را مورد بررسی قرار دادیم.
کلمات کلیدی: تجارت الکترونیک | سیستمهای پیشنهاد دهنده | خصوصی سازی | وفاداری مشتری | فروش جانبی | فروش بالا | سفارشی کردن به صورت انبوه | حریم خصوصی | داده کاوی | بازاریابی پایگاه دادهها | کاربر واسط.
حجم فایل: 816 کیلوبایت
قیمت: ترجمه این مقاله رایگان است
توضیحات اضافی:
تعداد نظرات : 0