عنوان

بررسی عوامل پنهان مدیریت زنجیره تامین در پس خرید های آنلاین از سایت آمازون

Number

پ۲۸۳۹۱

.Language of Text, Soundtrack etc

per

Title Proper

بررسی عوامل پنهان مدیریت زنجیره تامین در پس خرید های آنلاین از سایت آمازون

First Statement of Responsibility

حمید گل محمدی کردآباد

Name of Publisher, Distributor, etc.

اقتصاد و مدیریت

Date of Publication, Distribution, etc.

۱۳۹۹

Specific Material Designation and Extent of Item

۱۰۳ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

مدیریت کسب و کار، گرایش عملیات و زنجیره تامین

Date of degree

۱۳۹۹/۰۶/۳۰

Text of Note

هدف: در این تحقیق با بهره¬مندی از فناوری اطلاعات و رایانه و با استفاده از روش¬هایی همچون اکتشاف متن ، یادگیری ماشین ، بررسی زبان طبیعی و یا به طور کلی علم داده در صدد بر آمدیم تا عوامل نهفته در نظرات کاربران سایت آمازون را از جنبه مدیریت زنجیره تامین بررسی نماییم. روش شناسی پژوهش: از جمله روش های به کار رفته در این تحقیق می توان به روش ماشین بردار حمایتی (SVM) و روش تخصیص پنهان دیریکله (LDA) اشاره کرد. برای درک نظرات کاربران و یافتن مواردی که در رابطه با مدیریت زنجیره تامین می¬باشند با استفاده از مدل SVM نظرات مرتبط شناسایی شد. سپس با استفاده از مدل به وجود آمده که توانایی شناسایی متون مرتبط با مدیریت زنجیره تامین را داراست، به یافتن نظرات کاربران آمازون در این موضوع اقدام گردیده است. خروجی کار با روش LDA تحلیل گردیده و نتایج مطلوبی به دست آمده است.یافته¬ها: در نتیجه تحلیل LDA مشخص گردید که نظرات مرتبط با حیطه مدیریت زنجیره تامین حول محور لجستیک می باشد. این نظرات که با استفاده از تحلیل احساسات بررسی گردید حاوی احساسات مثبت و منفی بود. افرادی که از تحویل کالای خود راضی بودند احساس مثبتی در نظرات خود ابراز کرده اند. افرادی هم که از محصول دریافت شده ناراضی بودند تصمیم به بازگشت محصول گرفته بودند. نتیجه¬گیری: بر اساس یافته¬های پژوهش می توان نتیجه گرفت لجستیک مناسب می تواند در رضایت مشتری تاثیر گذار باشد، چرا که این مسئله منجر به ابراز احساسات در رابطه با مسائل زنجیره تامین بوده و حس رضایت و یا عدم رضایت را در بر دارد

Text of Note

Despite of all websites and online shopping applications, there have been dramatically invisible researchers considering the comprehension of effective factors about consumer's online purchases. Wide variety of data can be a major issue at the age of information explosion. Gigantic files of data's including texts, emails, websites or digital context in other medias came to the point where made it difficult to be managed by people. The IT and computer came to help them by text exploration(TE), machine learning(ML), natural language processing or simply data science(DS). Researchers in this area helped us by easing the data analysis hard for human to do, at least in short time.In this article by the use of python language, it's been tried to study and measure the concept regarding to supply chain management hid into customer comments about major eleven digital products in Amazon website by employing different ways of TE and ML.One of the employed ways include Support Vector Machine (SVM) and Latent Dirichlet Allocation (LDA). Primarily articles regarding to CM been extracted for better understanding of customers comments and matters depending to SCM from scmr.com website and given to learning model. Then using the model that can distinguish texts regarding to SCM, the LDA analysis practiced to find comments. The outcome was favorable. LDA analysis showed that comments regarding SCM are logistic. People satisfied with the delivery, commented positively, those who unsatisfied with the product wanted to return it.In conclusion, good logistic can affect the customer satisfaction and flexibility in logistic in returning the product can pale the unsatisfaction. An interesting point in reviews was pointing out the quality and value words nearby logistic matter topics. that shows people's attention to the concept of logistic beside the quality.

Variant Title

Exploring hidden factors of Supply Chain Management behind online shopping from Amazon

Entry Element

گل محمدی کردآباد،

Part of Name Other than Entry Element

حمید

Relator Code

تهیه کننده

Entry Element

جبارزاده،

Entry Element

فاریابی،

Part of Name Other than Entry Element

یونس

Part of Name Other than Entry Element

محمد

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز