امروزه بازاریابی به عنوان کلیدی ترین واحد در هر تجارت به شمار می رود. بر هیچ کس پوشیده نیست که مشتری از مهمترین دارایی های یک سازمان تجاری قلمداد می شود. یکی از ابزارهای ایجاد روابط بلند با مشتری استفاده از بازاریابی رابطه مند می باشد، ولی در حال حاضر با توجه به رقابت شدید بین سازمانهای تجاری،تنها استفاده از رویکرد بازاریابی رابطه مند کافی به نظر نمی رسد. در این تحقیق تاثیر عناصر بازاریابی رابطه مند رابا تلفیق دو نوع بازاریابی یعنی بازاریابی حسی و بازاریابی حمایتی بر وفاداری مشتریان مورد بررسی قرار داده ایم . تحقیق حاضر یک مطالعه توصیفی است،که به روش پیمایشی انجام شده است. جامعه آماری این تحقیق321نفر از مشتریان بانکهای استان آذربایجان غربی می باشد. از شبکه‌های عصبی مصنوعی و رگرسیون چندگانه وآزمون همبستگی پیرسون برای تجزیه و تحلیل داده‌ها استفاده شده است. شبکه‌های عصبی چند لایه، با تابع آموزشی تانژانت هایپربولیک، آموزش داده شده با الگوریتم پیش‌خور برای ساخت مدل شناسایی، بکار گرفته شده‌اند.نتایج نشان داد که در بانک خصوصی ودولتی متغیرهای بازاریابی حسی ،اعتماد و تعهد تاثیر مثبت ومعناداری بر وفاداری مشتریان دارند.ودر مقایسه نتایج مشخص شد که شبکه های عصبی به نتایجی دقیق تر از آنچه که در آزمون های سنتی آماری بدست آمده است، دست یافته و از این نظر می‌تواند قابل اعتماد باشد. پرونده مقاله

امروزه بازاریابی به عنوان کلیدی ترین واحد در هر تجارت به شمار می رود. بر هیچ کس پوشیده نیست که مشتری از مهم ترین دارایی های یک سازمان تجاری قلمداد می شود. یکی از ابزارهای ایجاد روابط بلند با مشتری استفاده از بازاریابی رابطه مند می باشد، ولی در حال حاضر با توجه به رقابت شدید بین سازمان های تجاری، تنها استفاده از رویکرد بازاریابی رابطه مند کافی به نظر نمی رسد. در این تحقیق تاثیر عناصر بازاریابی رابطه مند را با تلفیق دو نوع بازاریابی یعنی بازاریابی حسی و بازاریابی حمایتی بر وفاداری مشتریان مورد بررسی قرار داده ایم. تحقیق حاضر یک مطالعه توصیفی است، که به روش پیمایشی انجام شده است. جامعه آماری این تحقیق 321 نفر از مشتریان بانک های استان آذربایجان غربی می باشد. از شبکه‌ های عصبی مصنوعی و رگرسیون چندگانه و آزمون همبستگی پیرسون برای تجزیه و تحلیل داده ها استفاده شده است. شبکه‌ های عصبی چند لایه، با تابع آموزشی تانژانت هایپربولیک، آموزش داده شده با الگوریتم پیش‌خور برای ساخت مدل شناسایی، به کار گرفته شده‌اند. نتایج نشان داد که در بانک خصوصی و دولتی متغیرهای بازاریابی حسی، اعتماد و تعهد تاثیر مثبت و معناداری بر وفاداری مشتریان دارند. در مقایسه نتایج مشخص شد که شبکه های عصبی به نتایجی دقیق تر از آن چه که در آزمون های سنتی آماری به دست آمده است، دست یافته و از این نظر می‌تواند قابل اعتماد باشد. پرونده مقاله

هدف این تحقیق توسعه یک مدل از شبکه های عصبی برای شناسایی مشتریان راضی برای بازاریابی ارایه سرویس های تعمیراتی خودروها بود. داده ها از بررسی ده سرویس دهنده خدمات خودرویی در ایران بدست آمدند. شبکه های عصبی چند لایه با تابع آموزش تانژانت هایپربولیک با الگوریتم آموزشی پیش خور برای ساخت مدل شناسایی به کار گرفته شد. نتایج مشخص ساخت که دقت مدل شناسایی آزمایش روی مدل بزرگتر از آن است که اتفاقی به نظر برسد. در خلال یک سری وزن های خاص موجود، اعتبار کلی هر یک از متغیرهای مستقل تولید شده کاملاً روشن می شود. این تحقیق تایید کرد که مدل شبکه عصبی برای شناخت الگوهای موجود داده های مشتری قابل استفاده است. مزایای استفاده از نقاط قوت مدل نشان داده شده است. مؤلفان معتقدند که مدل مفید است و به عنوان ابزار تحلیلی برای بازاریاب های خدمات تعمیراتی خودروها برای طراحی استراتژی بازار، مناسب است. پرونده مقاله

در این تحقیق به آنالیز اثر بخشی الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری پرداخته شده است، همچنین برای سنجش عملکرد الگوریتم جنگل های تصادفی در زمینه آربیتراژ آماری نسبت به دیگر مدل های ارائه شده در پژوهش های پیشین، مقایسه نتایج بدست آمده از کاربرد این الگوریتم با الگوریتم شبکه های عصبی عمیق انجام شده است. مدل های مورد نظر با اطلاعات مربوط به قیمت سهام آموزش داده شده و خروجی بدست آمده از این تکنیک، سهام را بر اساس موقعیت خرید و فروش طبقه بندی کرده است. با استفاده از این استراتژی موقعیت های سودآوری در بازار سهام برای کسب سود شناسایی می شود. نتایج نشان داد مدل جنگل های تصادفی دارای خطای طبقه بندی کمتری نسبت به مدل شبکه عصبی عمیق می باشد، بنابراین مدل جنگل های تصادفی روش مناسب تری برای استفاده در استراتژی آربیتراژ آماری و کسب سود می باشد. پرونده مقاله