خلاصة:
درآمدسازی در شرکتها از طریق ایجاد رابطه با مشتریان و حفظ این روابط در درازمدت صورت میپذیرد. از این رو توانایی پیشبینی مناسب روابط با مشتریان نکتهای اساسی در مدیریت رابطه با مشتریان است. بخشبندی روشی است که طی آن با تفکیک مشتریان به بخشهای متجانس با رفتار خرید مشابه، تلاش میشود تا ارزش آتی رابطه با مشتریان پیشبینی شود. روش RFM یکی ازمتداولترین روشهای بخشبندی است که از تحلیل پایگاه دادۀ تراکنشی برای ردهبندی ارزش مشتریان استفاده میکند. پژوهش حاضر تلاش دارد تا از ترکیب مدلسازی Pareto/NBD ـ که به مدلی قدرتمند در پیشبینی رفتار مشتریان مشهور است ـ با روش معمول RFM، کیفیت بخشبندی مشتریان را ارتقا بخشد. در این پژوهش از روش Pareto/NBD برای تخمین سه مؤلفۀ مقدار انتظار احتمال فعالیت آتی، تعداد تراکنشهای آتی و متوسط ارزش پولی استفاده شده است. سپس نتایج بخشبندی مشتریان با استفاده از این مؤلفهها با کاربرد روش مرسوم RFM مقایسه شده است. نتایج حاصل بیانگر بهبود کیفیت بخشبندی در ردهبندی ارزش آتی مشتریان، بهویژه در ردههای ارزشمند مشتری با کمک رویکرد پیشنهادی است.
ملخص الجهاز:
پژوهش حاضر تلاش می کند با تخمین مؤلفه های رفتار خرید آتی مشـتریان ، از آن بـه مثابـة مبنایی برای بخش بندی مشتریان و پیش بینی ارزش دورة عمر هـر رده اسـتفاده کنـد.
برای این منظور از مدل سازی احتمالی Pareto/NB برای پیش بینـی مؤلفـه هـای رفتـاری آتـی مشـتریان استفاده شد و با بهره گیری از سه مؤلفة احتمال فعال بودن مشتری (جایگزین مؤلفة تازگی )، تعداد احتمالی تراکنش های مشتری (جایگزین مؤلفـة تـوالی ) و مقـدار انتظـاری منـافع حاصـل از هـر تراکنش (جایگزین مؤلفة پولی )، به توسـعة مـدلی جدیـد از مـدل اولیـة RFM در شـرایط غیـر قراردادی اقدام شده است .
همچنین طی این مدل سازی به منظور تعیین اهمیت نسبی این سه مؤلفه در مقایسـه بـا یکدیگر برای تخمین ارزش دورة عمر مشتری در صنعت مـد نظـر، از روش AHP فـازی بـرای تعیین اوزان شاخص ها استفاده شده است .
پیش بینی مؤلفه های رفتار خرید آتی مشتریان به کمک مدل سازی Pareto/NBD ابتدا سه پارامتر لازم برای مدل Pareto/NBD، یعنی مجموع تعداد تراکنش ها تـا لحظـة فعلـی ، زمان آخرین تراکنش و طول دورة عمر مشتری محاسبه شده است ، سپس اطلاعات به دست آمـده در قالب مجموعة (Xi= xi,ti, Ti) بیان می شود.
Applying data mining with a new model on customer relationship management systems: a case of airline industry in Taiwan.
Segmentation and Identifying the Characteristics of Customers of Irankhodro & Saipa Groups in Kerman city, Iranian Business Management, 2(6): 135-146.