Microsoft Word S. Nergiz dissertasiya doc

 

66

                                MÖG = S

 x

 M 

x

 V

 x

 G 

Burada: 

MÖG – müştərinin ömürlük gəlirliliyi; 

S – satışın orta həcmi; 

M – il ərzində satışın miqdarı; 

V – satışın stabil vaxtı (müştərinin sadiqlik müddəti ); 

G – firmaya konkret müştəri tərəfindən gətirilən orta gəlir ( % - lə ). 

 Müştərinin  ömürlük  gəlirliliyini  hesabladıqdan  sonra  “müştərinin  ömürlük 

dəyəri”ni qiymətləndirmək olar.bunun üçün alınmış kəmiyyətdən müştərilərin cəlb 

olunmasına və təkrar satışın həyata keçirilməsi üçün firmanın maraqları sferasında 

saxlanmasına çəkilən xərclər çıxılır: 

                              ÖD = MÖG – ( CV + ST 

x 

M ) 

Burada: 

ÖD – müştərinin ömürlük dəyəri; 

CV – firmanın müştərilərin cəlb olunmasına sərf etdiyi vəsait; 

ST – satışın təşkili ilə bağlı xərclər; 

M – satışın miqdarı. 

Hər  hansı  bir  müəssisə  yeni  məhsulun  istehsalını  planlaşdırarkən  həmin 

məhsula  olacaq  tələbin  həcminin  proqnozlaşdırılması  onun  istehsalına  sərf 

olunacaq investisiyanın həcminin  müəyyənləşdirilməsi ilə müqayisədə  heç də az 

ə

həmiyyətli məsələ deyil. Yaxud da, hər hansı bir bank sahibi qiymətli kağızların 

bazarında    valyuta  və  qiymətli  kağızlara  olan  tələb  və  təklifin      gələcəkdə  necə 

dəyişəcəyini,  həmin  dəyişikliklərin  müvafiq  kurslarda  öz  əksini  necə  tapacağını  

bilməli və öz fəaliyyətini bu məlumatlara  uyğun qurmalıdır.  Eyni zamanda həmin 

məlumatlar  gələcəkdə  yarana  biləcək  vəziyyəti  düzgün  əks  etdirməlidir.  Bu  cür 

məlumatları isə, müasir informasiya texnologiyalarının tətbiqi olmadan əldə etmək 

mümkün deyildir.  

Xüsusilə  də,  süni  intellekt  sistemlərinin  köməyilə  bazarda  bu  və  ya  digər 

məhsula  olan  tələb  və  təklifi  öyrənmək,  əldə  olunmuş  məlumatların  intellektual 

təhlilini  həyata  keçirmək,  gələcək  üçün  proqnozlar  vermək  mümkündür.  Bu 

---

 

67

məqsədlə  neyroşəbəkələrdən  geniş  istifadə  olunur.  Məsələn,  əvvəllər  bu  və  ya 

digər  məhsula  olan  tələb  proqnozlaşdırılarkən  analitiklər  qrupu  və  marketinq 

xidməti   tərəfindən  istehlakçıların rəylərinin    öyrənilməsi və  proqnozlaşdırma 

adi  metodlarla həyata keçirilirdi.  

  ndi  isə  bir  çox  iri  şirkətlərdə  bu  məsələnin  həlli  üçün  iki  neyroşəbəkə 

qurulur.  Onlardan  birincisi  NeuroShell  Classifier  paketinin  adaptiv  arxitekturası 

ə

sasənda  yaradılmış,  girişlərinə  reklam  siyasətinin  və  məhsulların  müxtəlif 

parametrlərinin  verildiyi  şəbəkədir.  Xüsusi  olaraq  təsnifatlaşdırma  üçün  nəzərdə 

tutulmuş bu şəbəkənin köməyilə girişlər istehlakçıların rəylərini xarakterizə edən 4 

sinfə  bölünmüşdür.  Həmin  girişlər  birinci  şəbəkənin  cavabı  ilə  birlikdə  növbəti 

NeuroShell Predictor paketinin girişinə verilir. Bu paket özündə özünü təşkil edən 

şə

bəkəni 

ehtiva 

etməklə 

kəmiyyət 

proqnozlaşdırması 

məsələlərinə 

uyğunlaşdırılmışdır.  Proqnozlaşdırmanın  orta  səhvi  isə,  təxminən  4%  təşkil 

etmişdir. 

Bu  qəbildən  olan  proqramlara  ABŞ  –  ın  Ward  Systems  Group  firmasının 

işləyib – hazırladığı “Süni intellekt trilogiyası”  (  The  Al  Trilogy  )  paketini  misal 

göstərmək  olar.  Bu  proqram  paketi  üç  proqramın  məcmusundan  –  Neuro  Shell 

Predictor  və  Neuro  Shell  Classifier  neyroşəbəkələrindən  və  Gene  Hunter  genetik 

alqoritmindən ibarətdir.  

Neuro  Shell  Predictor  –  mövcud  verilənlər  bazası  əsasında  asanlıqla 

proqnozlaşdırma məsələlərinin həlli sistemini yaratmağa imkan verir.  

Neuro  Shell  Classifier  –  obrazların  (  vəziyyətlərin  )  bu  və  ya  digər 

kateqoriyaya  aid  olmasının  müəyyənləşdirilməsi  ilə  bağlı  obrazların  tanınması 

məsələlərinin  həlli  üçün  nəzərdə  tutulmuşdur.  Məsələn,  birja  göstəriciləri  yığımı 

üzrə  bu  və  ya  digər  şirkətin  aksiyalarının  alınması  və  satılması  ilə  bağlı  

xəbərdarlıq siqnalların işlənib – hazırlanması.  

Gene Hunter – çətin kombinasiyalaşdırılan və optimallaşdırılan məsələlərin 

həlli üçün genetik alqoritmindən istifadə edilməsini nəzərdə tutur. 

---

 

68

Bütövlükdə  bu  proqramlar  son  dərəcə  güclü,  ixtiyari  mürəkkəbliyə  malik 

olan analiyik komplekslərin aurulmasına imkan verən vahid bir konstruktor əmələ 

gətirir.  

Ümumiyyətlə, neyroşəbəkələrin bazarda bu və ya digər məhsula olan tələbin 

müəyyənləşdirilməsinə tətbiqi tələb amilləri arasında mürəkkəb asılılıqların aşkara 

çıxarılmasına, marketinq siyasətinin dəyişməsi zamanı istehlakçıların davranışının 

proqnozlaşdırılmasına, daha optimal reklam strategiyasının qurulmasına, məhsulun 

reallaşdırılması üçün perspektiv istehlakçı seqmentinin seçilməsinə imkan verir. 

Bunlardan başqa tələb və təklifin tədqiqi  məqsədilə süni intellekt sistemləri 

ə

sasında yaradılmış  CRM texnologiyasından da istifadə edilir. CRM ( Customer 

Relationships  Managment  )  sistemlərində  intellektual  təhlil  konsepsiyası  birbaşa 

reallaşdırılır.  CRM  sistemləri    -  həm  firmanın  fəaliyyəti,  müştərilərlə  bağlı 

müxtəlif  verilənlərin  təhlili  sistemidir.  Sistem  satışın,  müştərilərə  xidmətin  və  s. 

daha  effektiv  işlənməsi  üçün  bu  verilənlərin  qanunauyğunluqlarının  axtarışını 

həyata keçirir. Sistemdə bu məsələlərin həlli üçün bunlar tələb olunur:  

                altsistemlərin yaxşı inteqrasiyası; 

                böyük həcmdə işlənmiş statistik verilənlər; 

    effektiv analitik alətlər kompleksi; 

    müəssisənin fəaliyyətini avtomatlaşdıran digər sistemlərlə inteqrasiya. 

Müasir CRM sistemləri “müştəri - server” prinsipinə əsaslanır. Yəni, CRM 

sisteminin bütün məlumatları vahid verilənlər bazasında işlənilir və saxlanılır. Belə 

CRM sistemlərinin müştəriləri müəssisəyə münasibətdə həm daxili,  həm də  xarici 

istifadəçilər  ola  bilər.  Müştəri  və  server  arasında  qarşılıqlı  münasibətlər  nternet 

vasitəsilə həyata keçirilə bilər. Sistemin serveri adətən, iki hissədən ibarətdir:  

•    verilənlərin  saxlanması  və  işlənməsi  üçün  verilənlər  bazasının  idarəetmə 

sistemləri ( VB S ); 

•        təhlil  üçün  OLAP  (  on  –  line  Analytical  processing  –  real  zaman 

miqyasında  verilənlərin  analitik  işlənməsi  )  və  Data  Mining  (  verilənlərin 

intellektual analizi )sistemləri.  

---