BazEkon - The Main Library of the Cracow University of Economics

BazEkon home page

Main menu

Author
Jarek Sławomir (Uniwersytet Ekonomiczny w Katowicach), Trzaskalik Tadeusz (Uniwersytet Ekonomiczny w Katowicach)
Title
Wykorzystanie pakietu R do rozwiązania wielokryterialnego problemu wyboru klientów w kampanii marketingowej
Source
Prace Naukowe / Uniwersytet Ekonomiczny w Katowicach. Analiza i wspomaganie decyzji w praktyce gospodarczej, 2016, s. 37-69, tab., bibliogr. 23 poz.
Keyword
Informatyka, Badania operacyjne, Kampanie reklamowe, Wielokryterialne podejmowanie decyzji
Information science, Operations research, Advertising campaign, Multiple-criteria decision making
Abstract
W niniejszej pracy rozważane jest zagadnienie planowania kampanii marketingowej, promującej pewne usługi wśród klientów znajdujących się w bazie danych rozpatrywanego przedsiębiorstwa. Każda z proponowanych usług może być świadczona w wielu różnych wariantach, tworząc łącznie portfolio usług. Celem przedsiębiorstwa jest maksymalizacja liczby nowych umów dla każdej z usług z osobna. Ze względu na intensywność kampanii marketingowych niezbędne jest opracowanie modelu, który umożliwiałby sprawną selekcję klientów biorących udział w danej edycji kampanii. Szacując skłonność do nabycia usług przez klientów, wykorzystamy symulację komputerową. Ma wyjściu rozpatrywanego procesu selekcji otrzymamy listy klientów, którym zaproponowany zostanie udział w planowanej kampanii marketingowej w podziale na poszczególne usługi. Listy te będą przyjmować postać macierzy binarnej. Na ich podstawie telemarketerzy zaoferują wybranym klientom ustalone wcześniej nowe usługi. Tak więc w tworzonym modelu zmienne decyzyjne przyjmą wartości binarne. Zagadnienie rozpatrujemy jako zadanie wielokryterialne, gdyż mamy tyle celów, ile wynosi liczba oferowanych w kampanii usług. W naszej analizie zwrócimy szczególną uwagę na dwie dostępne metody skalaryzacji problemu wielokryterialnego - metodę sumy ważonej oraz metodę satysfakcjonującego poziomu kryteriów. Organizując kampanię reklamową opartą na technikach marketingu bezpośredniego, możemy natrafić na poważne problemy związane z optymalizacją problemów wielkiej skali. Skutecznym systemem komputerowym, pozwalającym na rozwiązanie dużych zadań optymalizacyjnych, jest pakiet R. Celem niniejszej pracy, która jest z jednej strony kontynuacją, a z drugiej - podsumowaniem naszych wcześniejszych rozważań dotyczących tej problematyki, jest przedstawienie problemu wyboru klientów w kampanii marketingowej jako problemu wielokryterialnego i rozwiązanie go za pomocą metod: sumy ważonej oraz satysfakcjonującego poziomu kryteriów. Do znalezienia rozwiązań optymalnych zastosowano pakiet R. (fragment tekstu)
Accessibility
The Main Library of the Cracow University of Economics
The Library of University of Economics in Katowice
Bibliography
Show
  1. Anderson E., Bai Z., Bischof C., Blackford S., Demmel J., Dongarra J., Du Croz J., Greenbaum A., Hammarling S., McKenney A., Sorensen D. (1999), LAPACK Users ' Guide, 3rd ed., Society for Industrial and Applied Mathematics, Philadelphia.
  2. Berkelaar M., Eikland K., Notebaert P. (2004), Open Source (Mixed-Integer) Linear Programming System, http://lpsolve.sourceforge.net/ (dostęp: 20.06.2016).
  3. Bose I., Chen X. (2009), Quantitative Models for Direct Marketing: A Review from Systems Perspective, "European Journal of Operational Research", Vol. 195(1).
  4. Chankong V., Haimes Y.Y. (2008), Multiobjective Decision Making: Theory and Methodology (Dover Books on Engineering), Dover Publications.
  5. Cohen M. (2004), Exploiting Response Models - Optimizing Cross-Sell and Upsell Opportunities in Banking, "Information Systems", Vol. 29.
  6. Figueira J., Greco S., Ehrgott M. (eds.) (2005), Multiple Criteria Decision Analysis: State of the Art Surveys, Springer's International Series in Operations Research & Management Science,Vol. 78, Springer Science + Business Media Inc.
  7. Galas Z., Nykowski I., Żółkiewski Z. (1987), Progamowanie wielohyterialne, PWE, Warszawa.
  8. Goto K., van de Geijn R.A. (2008a), Anatomy of High-Performance Matrix Multiplication, "ACM Transactions on Mathematical Software", Vol. 34(3).
  9. Goto K., van de Geijn R. (2008b), High-Performance Implementation of the Level-3 BLAS, "ACM Transactions on Mathematical Software", Vol. 35(1).
  10. Jarek S. (2014), Propozycja założeń modelu rozwiązywania problemu selekcji klientów w kampanii marketingowej [w:] M. Sobota, M. Wolny (red.), Podejmowanie decyzji w sytuacjach konfliktu i współpracy. Procesy wdrażania innowacji, Wydawnictwo Politechniki Śląskiej, Gliwice.
  11. Knott A., Hayes A., Neslin S.A. (2002), Next-Product-to-Buy Models for Cross-Selling Applications, "Journal of Interactive Marketing", Vol. 16.
  12. Kotler P., Armstrong G. (2012), Marketing. Wprowadzenie, Oficyna Wolters Kluwer business, Warszawa.
  13. Lougee-Heimer R. (2003), The Common Optimization Interface for Operations Research, "IBM Journal of Research and Development", Vol. 47(1).
  14. Nobibon T.F., Leus R., Spieksma F.C.R. (2008), Models for the Optimization of Promotion Campaigns: Exact and Heuristic Algorithms, Research report KBI-0814, Ka- tholieke Universiteit Leuven.
  15. Nobibon F.T., Leus R., Spieksma F.C.R. (2009), The Selection of Clients for Promotion Campaigns by Means of Mathematical Programming, Industrial Engineering and Engineering Management, IEEE International Conference 8-11 Dec..
  16. R Core Team (2014), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria, http://www.R-project.org/ (dostęp: 12.07.2014).
  17. R Core Team (2014), Writing R Extensions, R Foundation for Statistical Computing, Vienna, Austria, http://www.R-project.org/ (dostęp: 12.07.2014).
  18. Sikora R., Piramuthu S. (2007), Framework for Efficient Feature Selection in Genetic Algorithm Based Data Mining, "European Journal of Operational Research", Vol. 180(2).
  19. Steuer R.E. (1986), Multiple Criteria Optimization: Theory, Computation, and Application, Wiley Series in Probability and Statistics, 1 st ed., Wiley.
  20. Tan D., Yeoh W., Yee Ling B., Liew S. (2013), The Impact of Feature Selection: A Data-Mining Application in Direct Marketing, "Intelligent Systems in Accounting, Finance & Management" (serial on the Internet), Vol. 20(1).
  21. Trzaskalik T. (2008), Wprowadzenie do badań operacyjnych z komputerem, PWE, Warszawa.
  22. Trzaskalik T., Jarek S. (2015), Selection of Customers for Marketing Campaign as a Multi-Criteria Problem [w:] A. Kumar, M. Kumar Dash, Fuzzy Optimization and Multi-Criteria Decision Making in Digital Marketing, IGI Global.
  23. Whaley R.C., Petitet A., Dongarra J.J. (2000), Automated Empirical Optimization of Software and the ATLAS Project, "Parallel Computing", Vol. 27.
Cited by
Show
Language
pol
Share on Facebook Share on Twitter Share on Google+ Share on Pinterest Share on LinkedIn Wyślij znajomemu