prikaz prve stranice dokumenta Model za segmentiranje kupaca pomoću metoda strojnog učenja
Pristup korisnicima matične ustanove
diplomski rad
Model za segmentiranje kupaca pomoću metoda strojnog učenja
2019. urn:nbn:hr:145:606615
Iličić, Mato
Sveučilište Josipa Jurja Strossmayera u Osijeku
Ekonomski fakultet u Osijeku
Katedra za kvantitativne metode i informatiku

Citirajte ovaj rad

Iličić, M. (2019). Model za segmentiranje kupaca pomoću metoda strojnog učenja (Diplomski rad). Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:145:606615

Iličić, Mato. "Model za segmentiranje kupaca pomoću metoda strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, 2019. https://urn.nsk.hr/urn:nbn:hr:145:606615

Iličić, Mato. "Model za segmentiranje kupaca pomoću metoda strojnog učenja." Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, 2019. https://urn.nsk.hr/urn:nbn:hr:145:606615

Iličić, M. (2019). 'Model za segmentiranje kupaca pomoću metoda strojnog učenja', Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, citirano: 31.03.2025., https://urn.nsk.hr/urn:nbn:hr:145:606615

Iličić M. Model za segmentiranje kupaca pomoću metoda strojnog učenja [Diplomski rad]. Osijek: Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku; 2019 [pristupljeno 31.03.2025.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:145:606615

M. Iličić, "Model za segmentiranje kupaca pomoću metoda strojnog učenja", Diplomski rad, Sveučilište Josipa Jurja Strossmayera u Osijeku, Ekonomski fakultet u Osijeku, Osijek, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:145:606615

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:145:606615
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovModel za segmentiranje kupaca pomoću metoda strojnog učenja
Naslov (engleski)Model for client segmentation with machine learning methods
AutorMato Iličić
MentorMarijana Zekić Sušac (mentor)
Član povjerenstvaJosip Mesarić (predsjednik povjerenstva)
Član povjerenstvaMartina Briš Alić (član povjerenstva)
Član povjerenstvaMarijana Zekić Sušac (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište Josipa Jurja Strossmayera u Osijeku
Ekonomski fakultet u Osijeku
(Katedra za kvantitativne metode i informatiku)
Osijek
Datum i država obrane2019-07-01, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		DRUŠTVENE ZNANOSTI
Ekonomija
Poslovna informatika
Sažetak
Ovaj rad bavi se klasifikacijom klijenata pomoću metoda strojnog učenja kako bi se identificirali klijenti koji će prihvatiti ponuđenu uslugu oročene štednje. Klijenti se klasificiraju u dvije skupine: potencijalni klijenti koji prihvaćaju i oni koji odbijaju ponuđenu uslugu oročene štednje. Podaci pomoću kojih se u radu kreira model neuronskih mreža i model stabla odlučivanja prikupljeni su pomoću telemarketinga u razdoblju od 2008. do 2013. godine od strane portugalskih banaka. Na kraju... Više marketinških kampanja postotak pristanaka na ponuđenu oročenu štednju iznosio je 11,27%, što za banke nije bilo dovoljno učinkovito. Za problem klasifikacije klijenata kreiran je model pomoću metoda stabala odlučivanja i neuronskih mreža. Kako bi se povećala stopa prihvaćanja ponuđene usluge oročene štednje u budućim kampanjama, u radu je kreirano više modela neuronskih mreža i stabala odlučivanja kako bi se na kraju mogao izabrati najuspješniji model. Najvažniji pokazatelj uspješnosti modela je ukupna stopa točnosti klasifikacije na uzorku za validaciju. Uz prikaze rezultata svih modela, prikazat će se matrica konfuzije najboljih mreža i stabala odlučivanja te njihove analize osjetljivosti. Dva najbolja modela međusobno će se uspoređivati da bi se mogao odabrati najbolji model koji se preporučuje za uporabu uz smjernice za uporabu modela i za daljnja istraživanja. Sakrij dio sažetka
Sažetak (engleski)
This paper deals with the classification of clients by using machine learning methods in order to identify clients who would accept a term deposit service. The clients are classified in two groups: potential clients who accept and those who refuse the offered term deposit service. The information used to create a model of neural networks and the decision tree model were collected by telemarketing in the period between 2008 and 2013 by Portuguese banks. At the end of the marketing... Više campaigns, the percentage of acceptations of the offered term deposit was 11.27%, which was not efficient enough for the banks. The decision tree model used in the paper was used for the classification problem while the neural networks model, in addition to the classification problem, also solved the forecasting problem. In order to increase the acceptance rate of the offered term deposit service in future campaigns, several neural network and decision tree models were created to finally choose the most successful model. The most important indicator of the success of the model was the overall classification accuracy rate on the validation sample. In addition to the results of all models, a confusion matrix of the best networks, decision trees, and their sensitivity analysis will be shown. The two best models will be compared in order to choose the best model recommended for use with the guidelines for the use of the model and for further research. Sakrij dio sažetka
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:145:606615
Studijski programNaziv: Poslovna ekonomija; smjerovi: Poslovna informatika
Smjer: Poslovna informatika
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: Magistar/magistra ekonomije (mag.oec.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-02-11 15:17:49
accessibility

closePristupačnostrefresh

Ako želite spremiti trajne postavke, kliknite Spremi, ako ne - vaše će se postavke poništiti kad zatvorite preglednik.