Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Data mining v praxi: segmentace zákazníků dle nákupního chování

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F60460709%3A41110%2F11%3A53261" target="_blank" >RIV/60460709:41110/11:53261 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    čeština

  • Název v původním jazyce

    Data mining v praxi: segmentace zákazníků dle nákupního chování

  • Popis výsledku v původním jazyce

    The aim of this paper was to find and evaluate the different methodological approaches appropriate for customer segmentation. Various data mining techniques were used for demonstration of customer segmentation according to their purchasing behavior within a selected hypermarket. The following techniques were used for clustering: K-means clustering method, Two Step clustering method and Self Organizing Maps. The quality of final models was evaluated by Silhouette measure that combines the principles of clusters separation and cohesion. Data mining model was constructed from approximately 60 thousand transaction records. Only the food records were selected for the analysis.

  • Název v anglickém jazyce

    Data Mining in Practice: Customer Segmentation by Purchasing Behavior

  • Popis výsledku anglicky

    The aim of this paper was to find and evaluate the different methodological approaches appropriate for customer segmentation. Various data mining techniques were used for demonstration of customer segmentation according to their purchasing behavior within a selected hypermarket. The following techniques were used for clustering: K-means clustering method, Two Step clustering method and Self Organizing Maps. The quality of final models was evaluated by Silhouette measure that combines the principles of clusters separation and cohesion. Data mining model was constructed from approximately 60 thousand transaction records. Only the food records were selected for the analysis.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BB - Aplikovaná statistika, operační výzkum

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

  • Návaznosti

    S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2011

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název periodika

    Scientific Papers of the University of Pardubice. Series D. Faculty of Economics and Administration

  • ISSN

    1211-555X

  • e-ISSN

  • Svazek periodika

    20

  • Číslo periodika v rámci svazku

    2

  • Stát vydavatele periodika

    CZ - Česká republika

  • Počet stran výsledku

    11

  • Strana od-do

    135-145

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus