تحلیل ارزش طول عمر مشتریان با رویکرد خوشه بندی مبتنی بر شبکه های عصبی مصنوعی SOM و زنجیره ی مارکوف (مطالعه ی موردی: بانک دیجیتال پاسارگاد)

خوشه بندی مشتریان و تحلیل ارزش طول عمر آن ها، یکی از راهبردهای اساسی سیاست گذاری در تولید و بازاریابی است. از آنجا که راهبردهای تبلیغاتی بسیاری از واحدهای تجاری بدون توجه به خوشه های رفتار مالی مشتریان و درآمد موردانتظار حاصل از رفتار پویای مالی مشتریان اجرا می شود، سیاست گذاری تبلیغاتی براساس ارزش طول عمر مشتریان در خوشه های پویای رفتار مالی آن ها می تواند بسیاری از هزینه های تبلیغات و بازاریابی تحمیل شده به واحدهای تجاری را مدیریت کند. این در حالی است که مطالعات انجام شده در زمینه ی تحلیل ارزش طول عمر مشتریان، توجهی به راهبردهای تبلیغاتی مبتنی بر ارزش طول عمر نداشته و روش های موجود درخصوص تعیین ارزش طول عمر مشتریان متکی بر خوشه بندی ایستا از وضعیت مشتریان بوده است؛ در حالی که خوشه بندی مشتریان بر پایه ی رفتار مالی آن ها یک پدیده ی پویا و زمان- متغیر است. از این رو، در پژوهش حاضر به تحلیل ارزش طول عمر مشتریان و بهینه یابی راهبردهای تبلیغاتی در خوشه های پویای رفتار مالی آن ها با استفاده از شبکه ی عصبی خودسازمان ده (SOM) و برنامه ریزی تصادفی پویا پرداخته شده است. برای این منظور، براساس وضعیت تعلق هر مشتری به یک خوشه در طول هفته های متوالی، یک زنجیره ی مارکوف از خوشه های در برگیرنده ی مشتریان تشکیل و ارزش طول عمر مشتریان بر پایه ی ماتریس های احتمال انتقال وضعیت مشتریان از یک خوشه به خوشه ی دیگر و همچنین براساس درآمد موردانتظار مشتریان در هر خوشه برآورد شده است. نتایج نشان داده است که خوشه بندی مشتریان با روش شبکه ی عصبی خودسازمان ده (SOM) می تواند کمینه ی ۹۱٪ از تغییرات موجود در داده ها را تبیین کند. همچنین یافته ها نشان داده اند که راهبرد تبلیغاتی بهینه برای هر خوشه از مشتریان با سطح درآمد موردانتظار مشخص، منجر به ارزش طول عمر متفاوتی برای مشتریان شده است، که نشانگر اهمیت خوشه بندی پویای مشتریان و تعیین سطح بهینه ی هزینه ی تبلیغات در هر خوشه برای کسب ارزش طول عمر بیشتر برای مشتریان است.

کلیدواژه ها:

ارزش طول عمر مشتری ، خوشه بندی ، زنجیره ی مارکوف ، شبکه ی عصبی SOM