این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پژوهشنامه پردازش و مدیریت اطلاعات، جلد ۳۸، شماره ۲، صفحات ۲۳۷-۲۷۲
عنوان فارسی تجزیه و تحلیل ارزش مشتریان بر مبنای مدل WRFM با روش ترکیبی داده کاوی(مورد مطالعه: محصولات بهداشتی و آرایشی)
چکیده فارسی مقاله انباشت اطلاعاتی و ایجاد پایگاه­‌های داده­ای باعث شده است تا شرکت­هایی که قصد دارند به مشتریان خود خدمات مناسب‌تری را ارایه کنند به سوی بهره­مندی از ابزارهای نوین ارتباط با مشتری حرکت نمایندکه یکی از این ابزارها و روش­‌ها، تکنیک­‌های داده‌­کاوی است که می‌­تواند نقش مهم وکلیدی در مدیریت ارتباط با مشتری ایفا کند. هدف این پژوهش تحلیل ارزش مشتریان با رویکرد ترکیبی داده‌­کاوی بر اساس مدل  WRFM است  بر این اساس 64858 نمونه از پایگاه داده مشتریان در دوره 1398- 1399 با روش نمونه‌­گیری هدفمند در دسترس انتخاب شده است. وزن شاخص­های مدل WRFM با نظرسنجی از 3 کارشناس خبره شرکت به کمک فرآیند تحلیل سلسله مراتبی تعیین شده است. بر اساس متغیرهای اولیه پژوهش و متغیرهای بدست آمده از شاخص‌­های مدل WRFM، ارزش خرید مشتریان تجزیه و تحلیل شده است. برای تجزیه وتحلیل داد‌‌‌ه­‌ها از نرم افزار SPSS Modeler و SPSS استفاده شد. نتایج نشان می­‌دهد که روش خوشه‌­بندی K-Means نسبت به روش‌­های خوشه‌­بندی دو مرحله‌­ای و شبکه عصبی­کوهنن عملکرد بهتری دربخش­‌بندی مشتریان داشته است در نهایت براساس معیارهای درصد خلوص، تکرار، میزان خطا و شاخص اطلاعات متقابل نرمال­‌شده (NMI) از خوشه‌­بندی­‌های مختلف K-Means، شش خوشه با امتیاز NMI (0/631) انتخاب شده است. این پژوهش مدل WRFM را برای تجزیه و تحلیل ارزش مشتری معرفی کرده است که وزن شاخص‌­های این مدل با نظرسنجی از کارشناسان و با استفاده از فرآیند تحلیل سلسله مراتبی و بر اساس میزان ناسازگاری (0/052) که از روش تحلیل سلسله مراتبی بدست آمده است به ترتیب  (0/15)، (0/29) و (0/56) تعیین شده است که این مقادیر نشان ­دهنده اهمیت بیشتر شاخص ارزش پولی نسبت به دو شاخص دیگر  بوده است. در نهایت این شش خوشه با استفاده از شیوه نامگذاری بخش‌­های بازار در پژوهش­‌های(چانگ و تسای  2004؛ باباییان و سرفرازی 2019) در 4 دسته کلی: مشتریان کلیدی و ویژه، مشتریان بالقوه طلایی، مشتریان نامطمئن ازدست رفته و مشتریان نامطمئن جدید قرارگرفتند. بر طبق مدل پژوهش، شرکت باید بیشتر بر مشتریان خاص وکلیدی خود یعنی مشتریانی که در خوشه‌­های اول، سوم و پنجم قرارگرفته­‌اند تمرکز داشته باشد یعنی مشتریانی وفاداری که ضمن تداوم خرید خود دارای مقادیر بالاتر از میانگین در دو شاخص ارزش پولی و دفعات خرید بوده و به تازگی نیز خریدهای با ارزش ریالی بالا داشته‌­اند که شرکت باید با توجه به منابع محدود خود استراتژی‌­های بازاریابی کارآمدی برای این دسته از مشتریان درنظرگیرد تا ضمن حفظ مدیرت ارتباط با مشتری به سودآوری بیشتر برای شرکت منجر شود.    
کلیدواژه‌های فارسی مقاله تجزیه و تحلیل ارزش مشتری، تشخیص مغایرت، خوشه بندی، داده کاوی، مدل WRFM
عنوان انگلیسی Customer Value Analysis Based on WRFM Model With the Combined Data Mining Method (Case Study of Hygienic and Cosmetic Products)
چکیده انگلیسی مقاله The accumulated volume of customer information due to the growth and development of information technology and the creation of databases has led companies that want to provide better services to their customers to benefit from new tools for customer relationship. One of these tools and methods is data mining techniques that can play an important and key role in customer relationship management. The purpose of this study is to analyze customer value with a combined data mining approach based on the WRFM model.  So 64858 samples from customer database in the period 2019-2020 have been selected by available purposive sampling method. The weight of WRFM attributes has been determined by surveying 3 experts of the company using a hierarchical analysis process. Based on the initial variables of the research and the variables obtained from the attributes of the WRFM model, the purchase value of customers has been analyzed. SPSS Modeller and SPSS software were used to analyze the data.The results show that the K-Means clustering method has a better performance in customer segmentation than the TwoStep clustering and the Cohonen neural network methods. Finally, based on the criteria of purity percentage, repetition, error rate and Normalized Mutual Information (NMI (index, six clusters with NMI (0.631) were selected from different K-Means clustering. This study introduces the WRFM model for customer value analysis.The weight of the attributes of this model is based on a survey of experts and using a hierarchical analysis process based on the degree of incompatibility (0.052) obtained from the hierarchical analysis method (0.15), (0.29) and (0.56), respectively, have been determined that these values ​​indicate the greater importance of the monetary value index than the other two indices; Finally, these six clusters were divided into 4 general categories using naming market segments methods in research (Chang and Tsai 2004; Babaian and Sarfarazi 2019): key and special customers, golden potential customers, missing uncertain customers and new uncertain customers. According to the research model, the company should focus more on its specific and key customers, ie customers who are in the first, third and fifth clusters, ie loyal customers who have higher than average values in the two attributes of monetary value and frequency and recently they have had purchases with a high value of Rials that the company should consider effective marketing strategies for this group of customers due to its limited resources in order to lead to more profitability for the company while maintaining customer relationship management.
کلیدواژه‌های انگلیسی مقاله Clustering, Cohonen Neural Net, Customer Relationship Management, Customer Value Analysis, Data Mining, WRFM Model.
نویسندگان مقاله امید بشردوست | Omid Bashardoust
Roudehen Branch, Islamic Azad University, Roudehen, Iran
دانشکده مدیریت و حسابداری، واحد رودهن، دانشگاه آزاد اسلامی، رودهن، ایران

عزت اله اصغری زاده | Ezattollah Asgharizadeh
Tehran University, Tehran.Iran
داشکده مدیریت دانشگاه تهران، تهران، ایران

محمد علی افشار کاظمی | MohammadAli Afsharkazemi
Central of Tehran Branch, Islamic Azad University, Tehran, Iran
دانشکده مدیریت دانشگاه آزاد اسلامی تهران مرکزی، تهران، ایران

نشانی اینترنتی http://jipm.irandoc.ac.ir/browse.php?a_code=A-10-8114-1&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده تحلیل داده‌های کلان
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات