ارائه مدل جدید LRFMD برای بهبود تحلیل ارزش مشتریان و پیش بینی رفتار آنها و حل مدل با نرم افزار پایتون

در این مقاله مدل LRFMD مبتنی بر تکنیک داده کاوی و استفاده از ویژگی های طول ارتباط مشتری، تازگی خرید، تعداد تکرار، حجم مالی و میزان علاقه مندی مشتری به تنوع و خرید محصولات ارائه شده که با استفاده از الگوریتم K-Means جهت خوشه بندی مشتریان حل شده است. که مشتریان را به چهار دسته مشتریان غیرفعال یا مشتریان در معرض خطر، مشتریان جدید یا بالقوه که می توانند به مشتریان بلند مدت تبدیل شوند، مشتریان وفادار و مشتریان قهرمان یا خریداران قدرتمند تقسیم بندی می شوند و در نهایت براساس تعداد خوشه های بدست آمده رفتار مشتریان مربوط به هریک از دسته ها تحلیل گردیده است. مدل توسط نرم افزار پایتون کدنویسی و پیاده سازی شده است که با گرفتن فایل اکسل از تراکنش های خرید مشتری اقدام به خوشه بندی مشتریان می نماید.

کلیدواژه ها:

داده کاوی ، خوشه بندی مشتریان ، مدل LRFMD ، الگوریتم K-Means