| مشخصات مقاله | |
| ترجمه عنوان مقاله | استفاده از یادگیری ماشین نظارت شده برای پیش بینی فروش B2B: مطالعه موردی پیش بینی فروش قطعات یدکی در یک ارائه دهنده خدمات پس از فروش |
| عنوان انگلیسی مقاله | Using supervised machine learning for B2B sales forecasting: A case study of spare parts sales forecasting at an after-sales service provider |
| انتشار | مقاله سال 2022 |
| تعداد صفحات مقاله انگلیسی | 13 صفحه |
| هزینه | دانلود مقاله انگلیسی رایگان میباشد. |
| پایگاه داده | نشریه الزویر |
| نوع نگارش مقاله |
مقاله پژوهشی (Research Article) |
| مقاله بیس | این مقاله بیس میباشد |
| نمایه (index) | Scopus – Master Journals List – JCR |
| نوع مقاله | ISI |
| فرمت مقاله انگلیسی | |
| ایمپکت فاکتور(IF) |
6.954 در سال 2020 |
| شاخص H_index | 207 در سال 2020 |
| شاخص SJR | 1.368 در سال 2020 |
| شناسه ISSN | 0957-4174 |
| شاخص Quartile (چارک) | Q1 در سال 2020 |
| فرضیه | ندارد |
| مدل مفهومی | ندارد |
| پرسشنامه | ندارد |
| متغیر | دارد |
| رفرنس | دارد |
| رشته های مرتبط | مهندسی کامپیوتر و مدیریت |
| گرایش های مرتبط | مدیریت کسب و کار، بازاریابی، هوش مصنوعی |
| نوع ارائه مقاله |
ژورنال |
| مجله | سیستم های خبره با کاربردها – Expert Systems with Applications |
| دانشگاه | Industrial Engineering and Business Information Systems (IEBIS), Faculty of Behavioural Management and Social Sciences, University of Twente, The Netherland |
| کلمات کلیدی | یادگیری ماشینی تحت نظارت، پردازش زبان طبیعی (NLP)، پیش بینی فروش B2B، اولویت بندی در پتانسیل فروش، استخراج اطلاعات، داده های نامتعادل |
| کلمات کلیدی انگلیسی | Supervised machine learning – Natural Language Processing (NLP) – B2B sales forecasting – Prioritization on sales potential – Information Extraction – Imbalanced data |
| شناسه دیجیتال – doi |
https://doi.org/10.1016/j.eswa.2021.115925 |
| کد محصول | E15718 |
| وضعیت ترجمه مقاله | ترجمه آماده این مقاله موجود نمیباشد. میتوانید از طریق دکمه پایین سفارش دهید. |
| دانلود رایگان مقاله | دانلود رایگان مقاله انگلیسی |
| سفارش ترجمه این مقاله | سفارش ترجمه این مقاله |
| فهرست مطالب مقاله: |
| Abstract Keywords Introduction Literature review B2B sales potential forecasting model Results Conclusion Ethical considerations Declaration of Competing Interest Appendix A. Supplementary data References |
| بخشی از متن مقاله: |
| ABSTRACT In this paper, we present a method to use advance demand information (ADI), taking the form of request for quotation (RFQ) data, in B2B sales forecasting. We apply supervised machine learning and Natural Language Processing techniques to analyze and learn from RFQs. We apply and test our approach in a case study at a large after-sales service and maintenance provider. After evaluation we found that our approach identifies ~ 70% of actual sales (recall) with a precision rate of ~ 50%, which represents a performance improvement of slightly more than a factor 2.5 over the current labor-intensive manual process at the service and maintenance provider. Our research contributes to literature by giving step-by-step guidance on incorporating artificial intelligence in B2B sales forecasting and revealing potential pitfalls along the way. Furthermore, our research gives an indication of the performance improvement that can be expected when adopting supervised machine learning into B2B sales forecasting. |