مدیریت فناوری اطلاعات، جلد ۹، شماره ۲، صفحات ۲۷۷-۳۰۰
عنوان فارسی ارائۀ رویکرد جدیدی برای بخش‌بندی مشتریان بر اساس تغییر رفتار خرید آنها در طول زمان در حوزۀ کسب‌وکار الکترونیک
چکیده فارسی مقاله روش‎های معمول بخش­بندی صرفاً باتکیه بر سه مؤلفۀ تأخر (R)، تعداد (F) و ارزش پولی (M) طراحی ­شده‎اند­ و تغییرات رفتاری مشتریان را در طول زمان در نظر نمی­گیرند. بر این اساس برای دستیابی به بخش­بندی مطلوب، هدف پژوهش حاضر به­کارگیری مجموعه­ای از محاسبات آماری از قبیل شیب خط و مشتق نسبت به زمان و روش­های داده­کاوی مانند K-means و نقشه­های خودسازمانده (SOM) برای تعریف متغیرهایی جدید به‎منظور بررسی روند تغییرات رفتار خرید مشتریان است. نتایج پژوهش نشان می­دهد در نظرگرفتن شیب خط تغییرات رفتار مشتریان (R، F و M) و ارزش بیشتر برای رفتارهای اخیر نسبت به رفتارهای گذشته در بخش­بندی مشتریان، موجب افزایش دقت پیش­بینی رفتار آتی و همگن­تر شدن مشتریان هر بخش شده ­است. بر اساس روش پیشنهادی، مشتریان به چهار بخش بهترین، خرج­کننده، تکرارکننده و از دست­رفته دسته‎بندی ­شدند که به‎منظور شناخت بهتر و دقیق­تر مشتریان بر اساس نحوۀ تغییر رفتار آنها، هر بخش­ نیز به دو زیربخش صعودی و نزولی طبقه‎بندی شد. درنهایت ضمن تشریح ویژگی هریک از بخش­ها و زیربخش­ها، راهبردهای مناسبی برای مدیریت مشتریان آنها ارائه شده ­است.
کلیدواژه‌های فارسی مقاله بخش‌بندی مشتریان، تغییر رفتار خرید، داده‌کاوی، مدل RFM،
عنوان انگلیسی Providing a New Approach for Segmenting Customers Based on Their Purchasing Behavior Change over Time in Electronic Business
چکیده انگلیسی مقاله Usual methods of segmentation have been designed, relying solely on the components of Recency (R), Frequency (F) and Monetary (M) in which customers’ behavior changes over time are not considered. Accordingly, in order to achieve a desired segmentation method, this study aims to apply a set of statistical calculations, such as line slope and the derivative with respect to time and data mining methods such as K-means and Self-Organizing Maps (SOM) to define new parameters for studying the changes trending of customer purchasing behavior. The results show that considering the slope of the line of customer behavior changes (R, F, and M) and the higher value for recent behaviors of customers compared to that of their past behavior in customer segmentation would thereby increase the accuracy of predicting the future behavior and cause the customers of each section to become more homogeneous. Based on the suggested method, customers are categorized into four segments: best, spender, repeater and missed ones each of them are divided into two subcategories of ascending and descending segments, which leads to better and more accurate understanding of customers in different segments according to how of their purchasing behavior change. Finally, the characteristics of each segments and sub-segments are described and appropriate strategies are provided for managing its customers.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سمیرا خدابنده لو |
کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفتۀ کرمان، کرمان، ایران

محمود زیوری رحمان | zivari rahman
کارشناس ارشد سنجش و اندازه گیری، دانشگاه علامه طباطبایی، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علامه طباطبایی (Allameh tabatabaii university)

نشانی اینترنتی http://jitm.ut.ac.ir/article_61417_aa6a97bcebc47212311630561e9b4db6.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-404323.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات