چکیده:
در صنعت دارو مدیران بازاریابی و فروش با حجم انبوهی از دادههای فروش شرکتهای پخش، به داروخانههای مشتری خود مواجهاند. یکی از روشهایی که به آنان در کنترل وضعیت بازار، رقابت با سایر رقبا، برنامهریزی هر چه بهتر برای افزایش فروش محصولات خود و در نتیجه هدفمندکردن فعالیتهای بازاریابی کمک خواهد کرد، آگاهی از بخشبندیهای مختلف مشتریان و سیاستگذاری بازاریابی و فروش برمبنای آن خواهد بود. هدف اصلی این مقاله، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخشهای مختلف مشتریان و ارائه پیشنهادهای متناسب با هر بخش، بهمنظور حفظ و افزایش خرید آنان بهکمک روشهای دادهکاوی است. در این تحقیق، براساس متغیرهای تازگی، تکرار، ارزش پولی و مدت زمان خرید در مدل RFML، داروخانهها در خوشههای مختلف قرار گرفته و تحلیل شدهاند. در نتیجه این بخشبندی، سه دسته داروخانه به نامهای: داروخانههای کمخرید و کمسود، با میزان خرید و سود متوسط و وفادار و پرسود از نظر روند فروش شناسایی شدند و براساس این بخشبندی، تحلیلهای مربوط به آن ارائه شده است.
خلاصه ماشینی:
"هدف اصلی این مقاله ، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخش های مختلف مشتریان و ارائة پیشنهادهای متناسب با هر بخش ، به منظور حفظ و افـزایش خرید آنان به کمک روش های داده کاوی است .
به کمک این بخش بندی و توصیه های ارائه شده برای رفتار با هر بخش ، یک الگوی علمی و عملی در اختیار مدیران بازاریابی و فروش سازمان های دارویی قرار می گیرد که می تواند آنها را در رسیدن به پاسخ سؤالات و ارائة پیشنهادهای مناسب و کاربردی یاری رساند و در نتیجه به ارتقای تصمیمات هوشمندانة مدیریتی و بهبود مزیت رقابتی در صنعت دارو منجر شود.
به طور کلی ، می توان دلیل اجرای پژوهش حاضر را این گونه خلاصه کرد، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخش های مختلف مشتریان و ارائة پیشنهادهای متناسب با هر بخش ، برای حفظ و افزایش خرید آنان به کمک روش های داده کاوی .
در اغلب مطالعات پیشین برای بخش بندی ، پارامترهای مدل RFM شامل تازگی مبادله ، تعداد دفعات مبادله و ارزش پولی مبادله مبنا قرار داده شده است ؛ اما در این پژوهش با الهام گرفتن از نتایج پژوهش های قبلی ، ایـن مـدل با افزودن پارامتر طول ارتباط با مشتری (Length) به RFML تغییر یافته و در تحلیـل در نظـر گرفته شده است .
Identifying & Segmenting Key Customers for Prioritizing them Based on Lifetime Value using RFM Model (Case study: Internet customer of Qom Telecommunications Company)."