ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Artificial Intelligence for Customer Relationship Management: Solving Customer Problems

دانلود کتاب هوش مصنوعی برای مدیریت ارتباط با مشتری: حل مشکلات مشتری

Artificial Intelligence for Customer Relationship Management: Solving Customer Problems

مشخصات کتاب

Artificial Intelligence for Customer Relationship Management: Solving Customer Problems

ویرایش:  
نویسندگان:   
سری: Human–Computer Interaction Series 
ISBN (شابک) : 3030616401, 9783030616403 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 374
[474] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 21 Mb 

قیمت کتاب (تومان) : 30,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 3


در صورت تبدیل فایل کتاب Artificial Intelligence for Customer Relationship Management: Solving Customer Problems به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب هوش مصنوعی برای مدیریت ارتباط با مشتری: حل مشکلات مشتری نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب هوش مصنوعی برای مدیریت ارتباط با مشتری: حل مشکلات مشتری

جلد دوم این مونوگراف تحقیقاتی تعدادی از کاربردهای هوش مصنوعی در حوزه مدیریت ارتباط با مشتری با محوریت حل مشکلات مشتری را تشریح می کند. ما سیستمی طراحی می‌کنیم که سعی می‌کند شکایت مشتری، روحیه او و آنچه را که می‌توان برای حل مشکل محصول یا خدمات انجام داد، درک کند. برای حل کارآمد مشکل مشتری، ما با مشتری گفتگو می کنیم تا بتوان مشکل را روشن کرد و راه های متعددی برای رفع آن جستجو کرد. ما مدیریت گفت و گو را بر اساس تحلیل گفتمان معرفی می کنیم: یک روش زبانی سیستماتیک برای مدیریت فرآیند فکری نویسنده محتوایی که قرار است ارائه شود. ما احساسات کاربر و ویژگی‌های شخصی را تجزیه و تحلیل می‌کنیم تا مدیریت گفت‌وگو را برای مشتریان فردی تطبیق دهیم. ما همچنین تعدادی سناریو گفتگو برای CRM با پاسخ‌هایی که از الگوهای خاصی پیروی می‌کنند طراحی می‌کنیم و گفتگوهای مجازی و اجتماعی را برای روش‌های مختلف ارتباط با مشتری پیشنهاد می‌کنیم. بعد از اینکه یاد گرفتیم محتوای جعلی، فریب و ریا را تشخیص دهیم، دامنه شکایات مشتریان را بررسی می کنیم. حالات روانی، نگرش ها و عواطف شاکی را شبیه سازی می کنیم و سعی می کنیم رفتار او را پیش بینی کنیم. با ارائه نمایش‌های رسمی مبتنی بر نمودار از سناریوهای شکایت، ما آنها را به صورت ماشینی یاد می‌گیریم تا بهترین اقدامی را که سازمان پشتیبانی مشتری می‌تواند برای حفظ شاکی به عنوان مشتری انتخاب کند، شناسایی کنیم.


توضیحاتی درمورد کتاب به خارجی

The second volume of this research monograph describes a number of applications of Artificial Intelligence in the field of Customer Relationship Management with the focus of solving customer problems. We design a system that tries to understand the customer complaint, his mood, and what can be done to resolve an issue with the product or service. To solve a customer problem efficiently, we maintain a dialogue with the customer so that the problem can be clarified and multiple ways to fix it can be sought. We introduce dialogue management based on discourse analysis: a systematic linguistic way to handle the thought process of the author of the content to be delivered. We analyze user sentiments and personal traits to tailor dialogue management to individual customers. We also design a number of dialogue scenarios for CRM with replies following certain patterns and propose virtual and social dialogues for various modalities of communication with a customer. After we learn to detect fake content, deception and hypocrisy, we examine the domain of customer complaints. We simulate mental states, attitudes and emotions of a complainant and try to predict his behavior. Having suggested graph-based formal representations of complaint scenarios, we machine-learn them to identify the best action the customer support organization can chose to retain the complainant as a customer.





نظرات کاربران