تحلیل خوشه ای مشتریان بر مبنای مدل WRFM با رویکرد داده کاوی غیرنظارتی ( مورد مطالعه محصولات بهداشتی و آرایشی)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 70

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_SAIM-7-1_007

تاریخ نمایه سازی: 24 آذر 1402

چکیده مقاله:

در دنیای رقابتی امروز که شرکتها با حجم انبوهی از اطلاعات مشتریان به علت رشد و پیشرفت فناوری های اطلاعاتی و ایجاد پایگاه های داده ای مختلف مواجه اند استفاده از ابزار مدیریت ارتباط با مشتری که بتواند به درستی و به موقع نیازها و انتظارات مشتریان را شناسایی و رصد کند بیش از پیش ضرورت می یابد؛ یکی از تکنیک هایی که می تواند در این برهه نقشی کلیدی و اساسی ایفاکند داده کاوی پایگاه داده هاست. هدف این پژوهش تحلیل داده های مشتریان بر پایه مدل WRFM به کمک روش های داده کاوی غیرنظارتی است؛ پژوهشگران درصددند که با کشف الگوهای موجود به ارایه استراتژی های موثرتری برای هر گروه از مشتریان و خصوصا مشتریان کلیدی بپردازند تا برای سازمان سودآوری و عملکرد بهتری در برداشته باشد. .جامعه آماری این پژوهش مشتریان محصولات بهداشتی و آرایشی دربازه زمانی سال های۱۳۹۷-۱۳۹۸ است که به روش نمونه گیری هدفمند در دسترس تعداد ۶۴۸۵۸ نمونه از پایگاه داده مشتریان انتخاب شده است. به کمک ۳ تن از خبرگان (مدیران ارشد) فروش شرکت وزن شاخص های مدل WRFM تعیین شده است. برای تجزیه وتحلیل داده ها از نرم افزار کلمنتاین وSPSS استفاده شده است. با توجه به مدل پژوهش، ۴دسته مشتری: خاص و کلیدی، طلایی بالقوه، نامطمئن ازدست رفته، نامطمئن جدید شناسایی و نامگذاری شدند که برای هر یک از این دسته ها استراتژی های متفاوتی ارایه شده است. ضمنا نتایج نشان می دهد که خوشه بندی K- میانگین شش خوشه ای با خلوص ۰/۷۴۴درصد نسبت به دیگر روش ها عملکرد بهتری داشته است.

کلیدواژه ها:

تجزیه وتحلیل خوشه ای ، تشخیص مغایرت ، خوشه بندی ، داده کاوی ، مدل WRFM

نویسندگان

امید بشردوست

دانشجوی دکتری مدیریت، گروه مدیریت، دانشکده مدیریت و حسابداری، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران

عزت الله اصغری زاده

دانشیار، گروه مدیریت ، دانشکده مدیریت دانشگاه تهران، تهران. ایران

محمد علی افشار کاظمی

دانشیار، گروه مدیریت، دانشکده مدیریت، واحد تهران مرکزی، دانشگاه آزاد اسلامی ، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Ashouri, M., Sharifkhani, M., & Tarokh, M. J., Developing Customer ...
  • Kafashpoor, A., Tavakoli, A. & Alizade Zavarem, A., Customer Segmentation ...
  • RaeisiVanani, S., RaeisiVanani, I. & Taghavifard, M., A Model for ...
  • [۸ Salehi Sadaghiyani, J. & Akhavan, M., Customer Relationships Management, ...
  • Keegan, Warren J., Global Marketing Management.Translated and averaged by Abdolhamid ...
  • Hosseini, S.M.S., Maleki, A. &Gholamian, M.R.,Cluster analysis using data mining ...
  • Blattberg, R.C., Kim, B.D. & Neslin, S.A., RFM Analysis in ...
  • Khajvand, M., Zolfaghari, K., Ashoori, S., & Alizadeh, S. Estimating ...
  • Stone, B., Successful direct marketing methods, Lincolnwood, IL: NTC Business ...
  • Bin, D., Peiji, S., & Dan, Z., Data mining for ...
  • Sohrabi, B., RaeesiVanani, I. & ZarehMirkabad, F., "Designing a Recommender ...
  • Shahrabi, J., Data Mining, Soroush Gita, Tehran, ۲۰۱۵ ...
  • Alizadeh, S. & Malekmohammadi, S., Data Mining and knowledge discovery ...
  • Bhojani, S. & Bhatt, N., Data Mining Techniques and Trends ...
  • Hwang, S. & Lee, Y., Identifying customer priority for new ...
  • Bashardoust, O., Asgharizadeh, E. & AfsharKazemi, M., Presenting a customer ...
  • Abbasimehr, H. and Shabani, M. "A new methodology for customer ...
  • Kabasakal, İnanç. Customer Segmentation Based On Recency Frequency Monetary Model: ...
  • Bashirimousavi, S.A., Afsar, A. and MahjoubiFard, A., Bank customers value ...
  • Veysi, H., Booklet of Statistical Methods in Natural Language Processing ...
  • Chang, H. H., &Tsay, S. F., Integrating of SOM and ...
  • Mahdiraji, H.A., Zavadskas, E.K., Kazeminia, A., Abbasi Kamardi, A. Marketing ...
  • نمایش کامل مراجع