論文の概要: An Effort to Measure Customer Relationship Performance in Indonesia's Fintech Industry

• arxiv url: http://arxiv.org/abs/2102.08262v1
• Date: Tue, 16 Feb 2021 16:33:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-17 14:44:47.537700
• Title: An Effort to Measure Customer Relationship Performance in Indonesia's Fintech Industry
• Title（参考訳）: インドネシアのフィンテック産業における顧客関係評価の試み
• Authors: Alisya Putri Rabbani, Andry Alamsyah, Sri Widiyanesti
• Abstract要約: ソーシャルネットワーク分析は、ネットワークの特徴とソーシャルメディア上の会話ネットワークのアクティブ性を理解するのに役立ちます。 ネットワーク特性の計算は、顧客関係のパフォーマンスを測定する上で有益です。 金融テクノロジーは、ソーシャルメディアを利用して顧客と対話するデジタルベースの金融サービスを提供する新しい新興産業です。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The availability of social media simplifies the companies-customers relationship. An effort to engage customers in conversation networks using social media is called Social Customer Relationship Management (SCRM). Social Network Analysis helps to understand network characteristics and how active the conversation network on social media. Calculating its network properties is beneficial for measuring customer relationship performance. Financial Technology, a new emerging industry that provides digital-based financial services utilize social media to interact with its customers. Measuring SCRM performance is needed in order to stay competitive among others. Therefore, we aim to explore the SCRM performance of the Indonesia Fintech company. In terms of discovering the market majority thought in conversation networks, we perform sentiment analysis by classifying into positive and negative opinion. As case studies, we investigate Twitter conversations about GoPay, OVO, Dana, and LinkAja during the observation period from 1st October until 1st November 2019. The result of this research is beneficial for business intelligence purposes especially in managing relationships with customers.
• Abstract（参考訳）: ソーシャルメディアの利用は企業と顧客の関係を単純化する。 ソーシャルメディアを用いた会話ネットワークに顧客を巻き込む取り組みは、ソーシャル顧客関係管理(Social Customer Relationship Management, SCRM)と呼ばれる。 ソーシャルネットワーク分析は、ネットワークの特徴とソーシャルメディア上の会話ネットワークのアクティブ性を理解するのに役立ちます。 ネットワーク特性の計算は、顧客関係のパフォーマンスを測定する上で有益です。 金融テクノロジーは、ソーシャルメディアを利用して顧客と対話するデジタルベースの金融サービスを提供する新しい新興産業です。 競争力を維持するためには、SCRMのパフォーマンスを測定する必要があります。 そこで,インドネシアのフィンテック企業のSCRMパフォーマンスについて検討する。 会話ネットワークにおける市場多数意見の発見においては,肯定的,否定的な意見に分類して感情分析を行う。 ケーススタディとして,GoPay,OVO,Dana,LinkAjaに関するTwitterの会話を,2019年10月1日から11月1日までの観察期間中に調査した。 この研究の結果は、特に顧客との関係を管理するビジネスインテリジェンスに有用である。

関連論文リスト

• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Proactive Detractor Detection Framework Based on Message-Wise Sentiment Analysis Over Customer Support Interactions [60.87845704495664]
  本稿では、チャットベースのカスタマーサポートのインタラクションにのみ依存して、個々のユーザの推薦決定を予測するフレームワークを提案する。 ケーススタディでは、ラテンアメリカの大手電子商取引会社の金融分野における16.4kのユーザ数と48.7kの顧客サポートに関する会話を分析した。 以上の結果から,CS会話のメッセージワイドな感情進化のみに基づいて,ユーザが製品やサービスを推薦する可能性を予測することが可能であることが示唆された。
  論文  参考訳（メタデータ） (2022-11-08T00:43:36Z)
• Providing an Approach to Predicting Customer Quality in E-Commerce Social Networks Based on Big Data and Unsupervised Learning Method [0.0]
  顧客の忠誠度合いは顧客品質と呼ばれ、その予測は戦略的マーケティングプラクティスに影響を与える。 本研究の目的は,ビッグデータアルゴリズムと教師なし学習による大規模eコマースソーシャルネットワークの顧客品質の予測である。
  論文  参考訳（メタデータ） (2021-09-05T14:08:17Z)
• Measuring the impact of spammers on e-mail and Twitter networks [0.0]
  本稿では,大量の無関係情報や非孤立情報(一般に「スパマー」と呼ばれる)の送信者が,ソーシャルネットワークのネットワーク構造を歪めているかどうかを検討する。 大手通信企業に関するTwitterの談話から最初に抽出された2つの大きなソーシャルネットワークと、大規模多国籍企業で働く200人のマネージャによる3年間の電子メールコミュニケーションから得られた2つが分析されている。 その結果,スパマーは社会指標の大部分において,情報搬送ネットワークの構造を著しく変えていないことがわかった。
  論文  参考訳（メタデータ） (2021-05-21T10:13:11Z)
• Learning Organization using Conversational Social Network for Social Customer Relationship Management Effort [0.0]
  各組織の課題は,モバイルやビッグデータ,相互接続された世界,モノのインターネットといった,より複雑なテクノロジへの適応方法です。 企業組織が、ブランド問題に関連するTwitterでオンライン会話をマイニングし、顧客関係管理の文脈でそれらを分析する方法を示す。
  論文  参考訳（メタデータ） (2021-03-10T13:49:53Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• You Recommend, I Buy: How and Why People Engage in Instant Messaging Based Social Commerce [9.967051663208435]
  IMをベースとしたソーシャルコマースは、より使いやすく、コストを低減し、没入的なユーザショッピング体験を可能にする。 また、既存の社会的関係、相互信頼、共有アイデンティティ、コミュニティ規範を通じて、ショッピングにおけるユーザー決定プロセスを形成する。 本研究は,社会商取引における重要な研究と設計の意義,および社会技術全般を分散した信頼性の高い社会技術システムについて考察する。
  論文  参考訳（メタデータ） (2020-10-31T05:21:59Z)
• Improving Services Offered by Internet Providers by Analyzing Online Reviews using Text Analytics [6.85316573653194]
  インターネットサービスプロバイダ(ISP)は、継続的な成長を確実にするために、顧客を引きつけ、維持することを目的とした努力を確実にしなければならない。 近年の顧客は、特にオンラインレビューで利用可能な余計な情報のために、十分なインフォームドな判断を下すことができる。 ISPは、この情報を使って顧客の製品やサービスに対する見解をよりよく理解することができる。
  論文  参考訳（メタデータ） (2020-08-16T16:44:55Z)
• NLP in FinTech Applications: Past, Present and Future [50.27357144360525]
  金融分野における自然言語処理(NLP)技術の適用に関する研究に焦点をあてる。 アプリケーションシナリオは、Know Your Customer(KYC)、Know Your Product(KYP)、Satify Your Customer(SYC)の3つの側面から見ていきます。
  論文  参考訳（メタデータ） (2020-05-04T08:37:27Z)
• Privacy-Aware Recommender Systems Challenge on Twitter's Home Timeline [47.434392695347924]
  ACM RecSysが主催するRecSys 2020 Challengeは、このデータセットを使用してTwitterと提携している。 本稿では,ユーザエンゲージメントを予測しようとする研究者や専門家が直面する課題について述べる。
  論文  参考訳（メタデータ） (2020-04-28T23:54:33Z)
• I Know Where You Are Coming From: On the Impact of Social Media Sources on AI Model Performance [79.05613148641018]
  我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。 最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
  論文  参考訳（メタデータ） (2020-02-05T11:10:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。