تحلیل رفتار مشتریان با استفاده از مدل های RFM ، LRFM و RFMR و شبکه عصبی خودرمزنگار: مطالعه موردی صنعت سرامیک
- سال انتشار: 1404
- محل انتشار: دومین کنفرانس بین المللی مسائل مهم کسب و کار در رهبری، مدیریت و بازاریابی
- کد COI اختصاصی: CBLMMCONF02_013
- زبان مقاله: فارسی
- تعداد مشاهده: 57
نویسندگان
استاد، دانشگاه تربیت مدرس، دانشکده مدیریت و اقتصاد، تهران، ایران
دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده علوم و فناوری بین رشته ای، تهران، ایران
چکیده
تحلیل رفتار مشتریان به عنوان یکی از ارکان اساسی در مدیریت ارتباط با مشتری (CRM) و بازاریابی هدفمند، نقش حیاتی در موفقیت کسب وکارها ایفا می کند. این پژوهش با هدف بررسی و مقایسه مدل های RFM ، LRFM و RFMR با استفاده از داده های واقعی یک شرکت سرامیکی انجام شده است. روش پژوهش شامل استخراج داده ها، پیش پردازش، محاسبه متغیرهای RFM ، LRFM، RFMR، خوشه بندی مشتریان با استفاده از الگوریتم K-Means ، شبکه عصبی خودرمزنگار و ارزیابی کیفیت خوشه بندی با شاخص امتیاز سیلوئت است. یافته ها نشان می دهد مدل های ترکیبی LRFM و RFMR در مقایسه با مدل RFM، دقت بالاتری در شناسایی الگوهای خرید دارند. مدل LRFM با در نظر گرفتن طول ارتباط مشتری، مشتریان باارزش را بهتر شناسایی می کند، در حالی که مدل RFMR با لحاظ کردن نرخ خرید و استفاده از شبکه عصبی خودرمزنگار، الگوهای رفتاری پویاتری را متمایز کرده و امکان شناسایی ریزبخش های مشتریان و کشف روابط غیرخطی را فراهم می نماید. این پژوهش با ارائه راهکارهایی مانند پیشنهادات ویژه به مشتریان باارزش، توسعه محصولات متنوع و برنامه های وفاداری، به شرکت های سرامیکی در بهبود استراتژی های بازاریابی و افزایش سودآوری کمک می کند.کلیدواژه ها
مدل RFM, تحلیل رفتار مشتریان, بخش بندی مشتریان, بازاریابی هدفمند, صنعت سرامیکمقالات مرتبط جدید
- Green Bioprocessing Innovations In Protease Production: Sustainable Waste Utilization, Process Optimization, And Industrial Applications
- اصول، تکنیک ها و کاربردهای جداسازی و خالص سازی پروتئین: یک نگاه جامع
- Green-Synthesized ZnO Nanoparticles Using Calendula Officinalis Extract For Pva-Based Nanocomposite Burn Wound Dressings: Characterization And Mechanical Properties
- مروری جامع بر روش های پردازش سیگنال EMG در بیماران مبتلا به پارکینسون: روندها، چالش ها و جهت گیری های آینده
- A Machine Learning-Based Framework For Energy Optimization In Distributed Edge Computing Systems
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.