شناسایی مشتریان سودآور با استفاده از الگوریتم خوشه بندی و نرم افزار ibm i-miner

امروزه مشتریان نقش کلیدی و بسیار مهمی در عرصه اقتصادی دنیا ایفا می کنند، به همین علت سازمان ها، با چالش گسترش سهم بازار خود و پیدا کردن راه های جدید برای جذب، حمایت و حفظ مشتریان سودآور جهت دوام و ثبات سازمان در عرصه رقابت و سودآوری بیش تر درآمد مواجه می باشند. در تجزیه و تحلیل خوشه یا خوشه بندی، گروه بندی مجموعهای از اشیاء انجام می شود. این کار به این صورت است که اشیاء در یک گروه (به نام خوشه) در مقایسه با دیگر دسته ها (خوشه ها)مشابه تر هستند. این وظیفه اصلی داده کاوی است و یک روش معمول برای تجزیه و تحلیل داده های آماری است که در بسیاری از زمینه ها از جمله یادگیری ماشین، تشخیص الگو، تجزیه و تحلیل تصویر، بازیابی اطلاعات،بیوانفورماتیک، فشرده سازی داده ها و گرافیک کامپیوتری استفاده می شود. شرکت های بزرگ دارای حجم داده بسیار بزرگ هستند اما در عین حال تشنه دانش هستند. برای غلبه بر مساله کنونی سازمان، نوع جدیدی از تکنیک لازم است که دارای هوش و قابلیت لازم برای حل کمیابی دانش باشد و این تکنیک، داده کاوی نامیده می شود. دسته و استخراج الگو ها از بین داده های مشتری، برای حمایت بازرگانی و تصمیم گیری، بسیار حائز اهمیت محسوب می شود. شناسایی به موقع روند های تازه پدید آمده، در فرایند بازرگانی بسیار حائز اهمیت است. اهداف این مقاله، شناسایی سود مشتریان با سود بالا، ارزش بالا و خطر پایین با یکی از تکنیک های داده کاوی موسوم به خوشه بندی داده است. در فاز اول، پاک سازی داده ها و گسترش الگو ها از طریق الگوریتم خوشه بندی دموگرافی با استفاده از نرم افزار ibm i-miner می باشد. در فاز دوم پروفایل کردن داده ها ، گسترش خوشه ها و شناسایی مشتریان با ارزش بالا خطر پایین می باشد. این خوشه، بعضا 10-20 درصد مشتریانی را نشان می دهد که 80 درصد درآمد را به دست می آورند.

کلیدواژه ها:

خوشه بندی مشتری ، داده کاوی ، مشتریان سودآور ، نرم افزار i-miner