ارائه و مقایسه سه مدل دو مرحله‌ای برای بخش‌بندی مشتریان براساس ارزششان با استفاده از ابزارهای داده‌کاوی K-Means، SOM و RFM

122صفحه

ارائه و مقایسه سه مدل دو مرحله‌ای برای بخش‌بندی مشتریان براساس ارزششان با استفاده از ابزارهای داده‌کاوی K-Means، SOM و RFM

شناسایی ارزش^[1] مشتریان، از مولفه‌های اصلی موفقیت در فروشگاه‌های مختلف می‌باشد که امروزه مورد توجه بیش از پیش قرار گرفته است. فروشگاه‌های زنجیره‌ای^[2]، با گروه‌های مختلفی از مشتریان در ارتباط هستند و با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه‌بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش­­تر اختصاص دهند و سود بیشتری کسب نمایند. از این رو از تکنیک‌های داده‌کاوی^[3] برای بخش‌بندی مشتریان استفاده می‌نماییم، تحقیقات زیادی در این زمینه‌ی انجام شده است. بسیاری از این تحقیقات از  مدل RFM ^[4] برای بخش‌بندی^[5] مشتریان استفاده کرده‌اند. این مدل شامل سه شاخص تاخر، تکرر و ارزش پولی برای تحلیل رفتار خرید مشتریان است و می‌تواند نمایانگر ارزش رفتاری مشتری باشد. در این پژوهش متدولوژی جامعی شامل سه مدل بخش‌بندی بر مبنای توسعه مدل RFM و SOM^[6] و K میانگین[7] ارائه شده و همچنین برای شناسایی مشتری، داده‌های تراکنشی و جمعیت‌شناختی مورد بررسی قرار گرفته است. مدل‌های پیشنهادی در فروشگاه‌های زنجیره‌ای مرکز اپل ایران^[8] پیاده‌سازی شدند و تعداد 347 مشتری مورد بررسی قرار گرفتند. برای داده‌های معاملاتی، تراکنش‌های ثبت شده در مرکز اطلاعات فروشگاه مورد استفاده قرار گرفت و داده‌های جمعیت‌شناختی نیز به صورت تلفنی از تک تک مشتریان پرسیده شد. این مشتریان با هر سه مدل مختلف بخش‌‌بندی شدند و در نهایت این مدل‌ها با شاخص دیویس بولدین و مجموع مربعات خطا[9] مورد ارزیابی و مقایسه قرار گرفتند. بر اساس شاخص دیویس بولدین مدل اول کارایی بهتری را در این مطالعه موردی از خو نشان داده است، اما بر اساس معیار مجموع مربعات خطا مدل دوم کارایی بهتری دارد و این تفاوت به دلیل ماهیت این دو معیار است.

[1] Value

[2] Chain stor

[3] Data Minig

[4] Recency, Frequency, Monitory

[5] Segmentation

[6] Self-Organisation Map

[7] K-Means

[8] Apple Center of Iran

[9] Sum of the Squared Error

شناسایی ارزش^[1] مشتریان، از مولفه‌های اصلی موفقیت در فروشگاه‌های مختلف می‌باشد که امروزه مورد توجه بیش از پیش قرار گرفته است. فروشگاه‌های زنجیره‌ای^[2]، با گروه‌های مختلفی از مشتریان در ارتباط هستند و با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه‌بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش­­تر اختصاص دهند و سود بیشتری کسب نمایند. از این رو از تکنیک‌های داده‌کاوی^[3] برای بخش‌بندی مشتریان استفاده می‌نماییم، تحقیقات زیادی در این زمینه‌ی انجام شده است. بسیاری از این تحقیقات از  مدل RFM ^[4] برای بخش‌بندی^[5] مشتریان استفاده کرده‌اند. این مدل شامل سه شاخص تاخر، تکرر و ارزش پولی برای تحلیل رفتار خرید مشتریان است و می‌تواند نمایانگر ارزش رفتاری مشتری باشد. در این پژوهش متدولوژی جامعی شامل سه مدل بخش‌بندی بر مبنای توسعه مدل RFM و SOM^[6] و K میانگین[7] ارائه شده و همچنین برای شناسایی مشتری، داده‌های تراکنشی و جمعیت‌شناختی مورد بررسی قرار گرفته است. مدل‌های پیشنهادی در فروشگاه‌های زنجیره‌ای مرکز اپل ایران^[8] پیاده‌سازی شدند و تعداد 347 مشتری مورد بررسی قرار گرفتند. برای داده‌های معاملاتی، تراکنش‌های ثبت شده در مرکز اطلاعات فروشگاه مورد استفاده قرار گرفت و داده‌های جمعیت‌شناختی نیز به صورت تلفنی از تک تک مشتریان پرسیده شد. این مشتریان با هر سه مدل مختلف بخش‌‌بندی شدند و در نهایت این مدل‌ها با شاخص دیویس بولدین و مجموع مربعات خطا[9] مورد ارزیابی و مقایسه قرار گرفتند. بر اساس شاخص دیویس بولدین مدل اول کارایی بهتری را در این مطالعه موردی از خو نشان داده است، اما بر اساس معیار مجموع مربعات خطا مدل دوم کارایی بهتری دارد و این تفاوت به دلیل ماهیت این دو معیار است.

[1] Value

[2] Chain stor

[3] Data Minig

[4] Recency, Frequency, Monitory

[5] Segmentation

[6] 

شناسایی ارزش^[1] مشتریان، از مولفه‌های اصلی موفقیت در فروشگاه‌های مختلف می‌باشد که امروزه مورد توجه بیش از پیش قرار گرفته است. فروشگاه‌های زنجیره‌ای^[2]، با گروه‌های مختلفی از مشتریان در ارتباط هستند و با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه‌بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش­­تر اختصاص دهند و سود بیشتری کسب نمایند. از این رو از تکنیک‌های داده‌کاوی^[3] برای بخش‌بندی مشتریان استفاده می‌نماییم، تحقیقات زیادی در این زمینه‌ی انجام شده است. بسیاری از این تحقیقات از  مدل RFM ^[4] برای بخش‌بندی^[5] مشتریان استفاده کرده‌اند. این مدل شامل سه شاخص تاخر، تکرر و ارزش پولی برای تحلیل رفتار خرید مشتریان است و می‌تواند نمایانگر ارزش رفتاری مشتری باشد. در این پژوهش متدولوژی جامعی شامل سه مدل بخش‌بندی بر مبنای توسعه مدل RFM و SOM^[6] و K میانگین[7] ارائه شده و همچنین برای شناسایی مشتری، داده‌های تراکنشی و جمعیت‌شناختی مورد بررسی قرار گرفته است. مدل‌های پیشنهادی در فروشگاه‌های زنجیره‌ای مرکز اپل ایران^[8] پیاده‌سازی شدند و تعداد 347 مشتری مورد بررسی قرار گرفتند. برای داده‌های معاملاتی، تراکنش‌های ثبت شده در مرکز اطلاعات فروشگاه مورد استفاده قرار گرفت و داده‌های جمعیت‌شناختی نیز به صورت تلفنی از تک تک مشتریان پرسیده شد. این مشتریان با هر سه مدل مختلف بخش‌‌بندی شدند و در نهایت این مدل‌ها با شاخص دیویس بولدین و مجموع مربعات خطا[9] مورد ارزیابی و مقایسه قرار گرفتند. بر اساس شاخص دیویس بولدین مدل اول کارایی بهتری را در این مطالعه موردی از خو نشان داده است، اما بر اساس معیار مجموع مربعات خطا مدل دوم کارایی بهتری دارد و این تفاوت به دلیل ماهیت این دو معیار است.

[1] Value

[2] Chain stor

[3] Data Minig

[4] Recency, Frequency, Monitory

[5] Segmentation

[6] Self-Organisation Map

[7] K-Means

[8] Apple Center of Iran

[9] Sum of the Squared Error

Self-Organisation Map

[7] K-Means

[8] Apple Center of Iran

[9] Sum of the Squared Error

برچسب ها : ارائه و مقایسه سه مدل دو مرحله‌ای برای بخش‌بندی مشتریان براساس ارزششان با استفاده از ابزارهای داده‌کاوی K-Means، SOM و RFM , فروشگاه زنجیره‌ای , بخش‌بندی مشتریان , ارزش مشتریان , داده‌کاوی , RFM , SOM , K میانگین , پروژه , پژوهش , مقاله , جزوه , تحقیق , دانلود پروژه , دانلود پژوهش , دانلود مقاله , دانلود جزوه , دانلود تحقیق