Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Removal of Impulse Noise Using Gain Factors Adapted by Noise-Free Pixel Number and Pixel Variation Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Sleeping Customer Detection Using Support Vector Machine

verfasst von : Tsun Ku, Pin-Liang Chen, Ping-Che Yang

Erschienen in: Frontier Computing

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Customers are difficult to find and sometimes even more difficult to keep. If a company doesn’t pay attention to customer relationship management, it will spend lots of money to acquire them and then let them sleep. The goal of this study was to develop a sleeping customer detection system that collected users’ social network information and shopping behavior, and then classified them into 3 categories (sleeping customer, napping customer, and general customer). We collected the user information from January 01, 2015 to December 31, 2016. Support vector machine based classification was used. In this study, the overall accuracy was 81.7%. The results can help companies to reactivate sleeping customers as soon as possible.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel The Research of the Seven Steps of Normalized Object Oriented Design Class Diagram
Nächstes Kapitel A New Chaotic Map-Based Authentication and Key Agreement Scheme with User Anonymity for Multi-server Environment
Literatur
1.
Alborzi, M.: Using data mining and neural networks techniques to propose a new hybrid customer behaviour analysis and credit scoring model in banking services based on a developed RFM analysis method. Int. J. Bus. Inf. Syst. 23(1), 1–22 (2016)
2.
Shashidhar, H.V., Varadarajan, S.: Customer segmentation of bank based on data mining – security value based heuristic approach as a replacement to K-means segmentation. Int. J. Comput. Appl. 19, 8–13 (2011)
3.
Bošnjak, Z., Grljevic, O.: Credit users segmentation for improved customer relationship management in banking. Presented at the 6th IEEE International Symposium on Applied Computational Intelligence and Informatics (SACI) (2011)
4.
Zaza, S., Al-Emran, M.: Mining and exploration of credit cards data in UAE. Presented at the Fifth International Conference on e-Learning (econf) (2015)
5.
Sun, N., Morris, J.G., Xu, J., Zhu, X., Xie, M.: iCARE: a framework for big data-based banking customer analytics. IBM 58(5), 4 (2014)
6.
Ding, G.: The research of the China Merchants Bank for applying data mining on the marketing of credit card (2007)
7.
Li, W., Wu, X., Sun, Y., Zhang, Q.: Credit card customer segmentation and target marketing based on data mining. Presented at the International Conference on Computational Intelligence and Security, Nanning (2010)
8.
Lin, K.-C., Wu, S.-H., Chen, L.-P., Ku, T., Chen, G.-D.: Mining the user clusters on Facebook fan pages based on topic and sentiment analysis. Presented at the IEEE IRI, Redwood City, CA (2014)
9.
Lin, K.-C., Wu, S.-H., Chen, L.-P., Yang, P.-C.: Finding the key users in Facebook fan pages via a clustering approach. Presented at the IEEE IRI, San Francisco, CA (2015)
10.
Chang, C.-C., Lin, C.-J.: LIBSVM: a library for support vector machines. ACM Trans. Intell. Syst. Technol. 2(3), 27:1–27:27 (2011)CrossRef
Metadaten
Titel
Sleeping Customer Detection Using Support Vector Machine
verfasst von
Tsun Ku
Pin-Liang Chen
Ping-Che Yang
Copyright-Jahr
2018
Verlag
Springer Singapore
Buch
Frontier Computing

Print ISBN: 978-981-10-7397-7

Electronic ISBN: 978-981-10-7398-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-981-10-7398-4_34

Premium Partner

    Bildnachweise