خوشه بندی مشتریان با روش ترکیبی K-MEANS-Fuzzy Topsis برای طراحی سیستم ارتباط با مشتریان:مطالعه موردی واقعی در صنعت مس

امروزه تحلیل مشتریان و یا گروهی از آن ها باعث میشود که عناصر حاضر در زنجیره تامین بتوانند در بازاری رقابتی ، برای اهداف سازمانی و بازرگانی خود برنامه ریزی کرده و دیدی استراتژیک اعمال کنند. ترتیب رویکرد این مطالعه با بررسی و نرمال کردن داده های مشتریان یک شرکت فعال در زنجیره تامین آلیاژ های پایه مس آغاز میشود. لازم بذکر است که این داده ها، امتیازات هریک مشتریان در یازده معیار مسئله هستند که بترتیب بیان میشوند: خوش حسابی ، چک برگشتی که همان نداشتن چک برگشتی است ، پرداخت بموقع ، حقیقی یا حقوقی بودن مشتری ، پشتوانه ، خوشنامی ، برند، نظرات خبرگی مدیران بازرگانی و کارشناسان درباره مشتری ، سهم خرید به کل خرید و توان تولید مشتری . شایان ذکر است که اوزان برای معیار ها از روش خبرگی و توسط خود سازمان مذکور استخراج شده اند. در ادامه برای خوشه بندی از تکنیک k-means clustering بهره برده شده و با امتیاز سیلهوئت اعتبارسنجی میشوند. بعد از تعیین خوشه ها، با استفاده از روش Fuzzy TOPSIS، خوشه ها را درگیر فرآیند رنکینگ کرده تا رتبه بندی شوند. میتوان اشاره نمود که این مطالعه با هدف پیشرفت در بازار مس و بهبود سیاستگذاری برای برخورد بهتر و کارآمدتر با مشتری صورت گرفته است .

کلیدواژه ها:

خوشه بندی ، k-means ، تاپسیس فازی ، مشتری ، سیاست برخورد با مشتری