BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Lula Paweł (Akademia Ekonomiczna w Krakowie / Wydział Zarządzania)
Tytuł
Modelowanie zachowań klientów systemów biznesu elektronicznego typu B2C
Modelling of Business-to-Consumer Systems' Clients Behaviour
Źródło
Prace Naukowe Akademii Ekonomicznej we Wrocławiu. Taksonomia (11), 2004, nr 1022, s. 291-300, bibliogr. 30 poz.
Tytuł własny numeru
Klasyfikacja i analiza danych - teoria i zastosowania
Słowa kluczowe
Business to Consumer (B2C), Zachowania klientów
Business to Consumer (B2C), Customer behaviour
Uwagi
summ.
Abstrakt
Wraz z rozwojem biznesu elektronicznego obserwowany jest wzrost znaczenia metod umożliwiających modelowanie i prognozowanie różnorodnych jego aspektów. Celem referatu jest próba dokonania klasyfikacji, zaprezentowanie charakterystyki oraz prezentacja zastosowań modeli wykorzystywanych do badań zjawisk związanych z prowadzeniem działalności gospodarczej typu B2C. (fragment tekstu)

As a result of rapid development of the Internet the new platform of business activity has been created. The main aim of that paper is the presentation, classification and description of methods that are required to model and forecast behaviour of B2C systems' clients. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Bibliografia
Pokaż
  1. Baglioni M., Ferrara U., Romei A., Ruggieri S., Turini F., Preprocessing and Mining Web Log Data for Web Personalization, Dipartimento di Informatica, Universita di Pisa, Pisa 2003.
  2. Bellman S., Lohse G.L., Johnson E.J., Predictors of Online Buying Behaviour, "Communications of the ACM" 1999, nr 42(12), s. 32-38.
  3. Bodenszac, M., Analiza LTV, "Gazeta IT" nr 8(16), z 9 sierpnia 2003 r., dostępna w sieci: http://gazetait.abas.pl/archiwum/git10/crm/analiza_ltv.html.
  4. Breese J., Heckerman D., Kadie C., Empirical Analysis of Predictive Algorithms for Collaborative Filtering, Technical Report MSR-TR-1998-12, Microsoft Research, Microsoft Corporation, 1998, dostępny w sieci: http://citeseer.nj.nec. com/cache/papers/cs/23028/http:zSzzSzwww.cs.auc.dkzSzresearchzSzDSSzSzpaperszSzALM002a.pdf/breese98empirical.pdf.
  5. Chan P., Constructing Web User Profiles: A Non-Invasive Learning Approach, [w:] Web Usage Analysis and User Profiling, eds. B. Masand, M. Spiliopoulou, Springer, 1999.
  6. Chinen K., Yamaguchi S., An Interactive Prefetching Proxy Server for Improvement of WWW Latency, Nara Institute of Science and Technology, Japan, praca dostępna w: http://www.isoc.org/inet97/proceedings/Al/Al_3.HTM.
  7. Cohen E., Krishnamurthy В., Rexford J., Efficient Algorithms for Predicting Requests to Web Servers, 1998, dostępny w sieci: http://citeseer.nj.nec.com/cache/papers/cs/715l/http:zSzzSzwww.research.att.comzSz~edithzSzPaperszSzinf99-submit.pdf/cohen98 efficient.pdf.
  8. Cooley R., Mobasher B., Srivastava J., Web Mining: Information and Pattern Discovery on the World Wide Web, Department of Computer Science University of Minnesota, Minneapolis 1997.
  9. Davison B.D., Predicting Web Actions from HTML Content, Proceedings of The Thirteen ACM Conference on Hypertext and Hypermedia, College Park, MD, June 11-15, 2002, s. 159-168.
  10. Dodge M., Kitchin R., Mapping Cyberspace, Routledge 2000.
  11. Eirinaki M., Vazirgiannis M., Web Mining for Web Personalization, ACM Transactions on Internet Technology, vol 3., no. 1, February 2003.
  12. E-Metrics. Business Metrics For The New Economy, NetGenesis, Target Marketing of Santa Barbara, URL: www.netgen.com/emetrics 2000.
  13. GeoPoint. An Internet Geolocation Service. Technical Overview, Quova Inc., 2002.
  14. Goldberg D., Nichols D., Oki B., Terry D., Using Collaborative Filtering to Weave an Information Tapestry, "Communications of the ACM" 1992, nr 35(12).
  15. Herlocker J., Konstan J., Riedl J., Explaining Colaborative Filtering Recommendations, Proceedings of the ACM 2000 Conference on Computer Supported Cooperative Work, 2000.
  16. Jarvenpaa, S.L., Todd, P.A., Consumer Reactions to Electronic Shopping on the WWW, "International Journal of Electronic Commerce" 1996/1997, nr 1(2).
  17. Kehoe C., Pitkow J., Rogers J.D., 9th GVU's WWW User Survey. URL: http://www.gvu.gatech.edu/user_surveys/survey-1998-04/.
  18. Kim H., Dobson S., An Improved Approach to Geographically Locating Web Clients, Department of Computer Science, Trinity College Dublin, Ireland 2001.
  19. Kita R., Analiza sposobu poruszania się użytkowników po portalu internetowym, [w:] Data Mining - metody i przykłady, StatSoft Polska, Kraków 2002.
  20. Komputery, Internet, telefony komórkowe: wyposażenie gospodarstw domowych i użytkownicy w niektórych krajach Europy Środkowej i Wschodniej. Komunikat z badań, Centrum Badania Opinii Społecznej (www.cbos.pl), Warszawa 2002.
  21. Masand B., Spiliopoulou M., (Eds.), Web Usage Analysis and User Profiling, Springer, 1999.
  22. Montgomery A., Applying Quantitative Marketing Techniques to the Internet, Carnegie Mellon University, praca dostępna pod adresem: http://www.andrew. cmu.edu/user/alm3/papers/intemet%20marketing.pdf.
  23. Montgomery A., Srinivasan K., Learning About Customers Without Asking, 2002, dostępny w sieci: www.andrew.cmu.edu/user/alm3/papers/online%20learning.pdf.
  24. Murray D., Durrell K., Inferring Demographic Attributes of Anonymous Internet Users, [w:] Web Usage Analysis and User Profiling, eds. B. Masand, M. Spiliopoulou, Springer, 1999.
  25. Pandey A.B., Srivastava J., Shekhar S., A Web Proxy Server with an Intelligent Prefetcher for Dynamic Pages Using Association Rules, praca dostępna pod adresem: http://www-users.cs.umn.edu/~pandey/tech_report.pdf.
  26. RIP: The Online Consumer, 1998 To 2003, Forrester Research, Inc, www.forrester.com, 25 July 2003.
  27. Srivastava J., Cooley R., Deshpande M., Tan P.-N., Web Usage Mining: Discovery and Applications of Usage Petterns from Web Data, SIGKDD Explorations, (1) 2, ACM Special Interest Group on Knowledge Discovery and Data Mining, 2000.
  28. Sterne J., Web Metrics: Proven Methods for Measuring Web Site Success, John Wiley & Sons, New York 2002.
  29. System Gemius, Global eMarketing S.A., 2003, opracowanie dostępne pod adresem: http://www.gem.pl/docs/GeMius-materialy_informacyjne.doc.
  30. Vellido A., A Methodology for the Characterization of Business-to-Consumer E-commerce, Liverpool John Moores University, Liverpool 2000.
Cytowane przez
Pokaż
ISSN
0324-8445
1505-9332
Język
pol
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu