پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 30 |
| تعداد شماره‌ها | 292 |
| تعداد مقالات | 2,857 |
| تعداد مشاهده مقاله | 3,367,648 |
| تعداد دریافت فایل اصل مقاله | 4,422,700 |
پیش‌بینی ماندگاری مشتریان باشگاه‌های ورزشی با استفاده از الگوریتم نزدیکترین همسایه | ||
| مطالعات بازاریابی ورزشی | ||
| مقاله 3، دوره 5، شماره 1، اردیبهشت 1403 | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22034/sms.2024.140657.1302 | ||
| نویسنده | ||
| جواد شهلایی باقری* | ||
| دانشیار گروه مدیریت ورزشی، دانشکده تربیت بدنی و علوم ورزشی، دانشگاه علامه طباطبائی، تهران، ایران | ||
| چکیده | ||
| تکنیک داده کاوی با افزایش داده‌های جامع که با موفقیت در مناطق مختلف مورد استفاده قرار می‌گیرد، ما را قادر می‌سازد تا دانش پنهان را برای تأثیرگذاری بر خدمات ورزشی پیدا کنیم. تمرکز پژوهش حاضر با استفاده از الگوریتم نزدیکترین همسایه (KNN)، بر پیش‌بینی ماندگاری مشتریان باشگاه‌های است. جامعه آماری این مطالعه توسعه‌ای-کاربردی مربوط به 724 ورزشکار بود که در فراخوان اینترنتی (واتس آپ، اینستاگرام، تلگرام و ...) با تکمیل پرسشنامه در پژوهش حاضر شرکت نمودند. بعد از حذف پرسشنامه‌های فاقد شرایط نهایتاً تعداد 537 ورزشکار در رده سنی 20 تا 60 سال در پژوهش حاضر شرکت نمودند. پرسشنامه الکترونیکی، ناشناس و محقق ساخته دارای 75 عامل مربوط به رضایت‌مندی مشتریان بود، که بر اساس بازخورد دریافتی، تغییرات متعددی در پرسشنامه ایجاد گردید و نهایتا 18 عامل به‌عنوان عوامل اصلی ریزش یا ماندگاری مرتبط با امکانات و شرایط سالن‌های ورزشی انتخاب شدند. روایی صوری پرسشنامه توسط 5 نفر از اساتید دانشگاه و متخصص در حوزه مرتبط بررسی شد. نتایج نشان داد الگوریتم KNN می‌تواند با دقت 4/73 % درصد و صحت 6/71 % درصد ماندگاری مشتریان سالن ورزشی خصوصی که تکرار خرید دارند را پیش‌بینی کند. این مطالعه نشان داد با کشف الگوها و روابط پنهان در داده‌ها، احتمالا به‌درستی می‌توان از این الگوریتم برای بهبود کیفیت مدیریت اماکن ورزشی جهت جلوگیری از ریزش و ماندگاری بیشتر استفاده کرد. | ||
| کلیدواژه‌ها | ||
| باشگاه های ورزشی؛ پیش بینی؛ الگوریتم KNN؛ ماندگاری | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 108 |
||