فایل ورد کامل مدل سازی و ارزیابی وفاداری مشتری در شبکه های عصبی: شواهدی از شرکت های بیمه نوظهور

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل مدل سازی و ارزیابی وفاداری مشتری در شبکه های عصبی: شواهدی از شرکت های بیمه نوظهور،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۷ صفحه

۶- چشم اندازی برای پژوهش های آتی
علیرغم مزایای استفاده از شبکه های عصبی مصنوعی برای مطالعات بر روی رفتار مشتری، ولی با این وجود محدودیت هایی هم وجود دارد. برای مثال برای آزمون یک شبکه عصبی مصنوعی، به طیف گسترده ای از اطلاعات تقریبا بالا نیاز است.از سوی دیگر، علاوه براین، طراحی یک شبکه عصبی بهینه می تواند فرایندی وقت گیر باشد. پژوهش های آتی می توانند مدل پیشنهادی این پژوهش را در محیط های خدماتی دیگر به منظور بررسی ثبات و پایایی روابط مشاهده شده بکارگیرند. از سوی دیگر این باور وجود دار که شبکه های عصبی پیشنهادی پیشنهادی این پژوهش می تواند به منظور فاکتورهای اضافی که بر روی وفاداری مشتری موثر هستند دست کاری شوند. مولفین این پژوهش پیشنهاد می کنند که پژوهشگرهای آتی از منطق فازی برای ایجاد پرسشنامه ها و یا ترکیب کردن شبکه های عصبی با الگوریتم پیدایشی/تکوینی برای دست یافتن به بهبودهای که می تواند حاصل شود، بکارگیرند.

عنوان انگلیسی:Modelling and evaluating customer loyalty using neural networks: Evidence from startup insurance companies~~en~~

۶ Directions for future research

Despite the advantages of using artificial neural networks for studying the customer behavior, there are also various limitations. For instance in order to test an artificial neural network a relatively large data set is required. Additionally, designing an optimal neural network can be a time consuming process. Future studies can test the proposed conceptual model of this research in other service settings in order to examine the robustness of the observed relationships. It is also believed that the proposed artificial neural networks of this study can be manipulated in order to take additional factors that affect customer loyalty into account. The authors suggest future researchers to use fuzzy logic in order to create the surveys or combine neural networks with genetic algorithms to see whether any improvements could be achieved.

$$en!!