مدیریت فناوری اطلاعات، جلد ۹، شماره ۳، صفحات ۵۴۹-۵۷۰
عنوان فارسی استخراج الگوی رفتار مشتریان یک شرکت مخابراتی با استفاده از خوشه‌بندی پویای فازی و تحلیل مسیر
چکیده فارسی مقاله گروه­بندی مشتریان و ایجاد محصولات و خدمات متناسب با نیاز آنها، یکی از مهم‎ترین موضوعات مطرح در مدیریت ارتباط با مشتریان است. تاکنون استفاده از مدل‎های ایستا برای گروه­بندی مشتریان متداول بوده است، اما عواملی همچون تغییرات تکنولوژی، ورود مشتریان جدید، ورود رقبا و افزایش تنوع محصولات طی چند دورۀ زمانی، باعث تغییر نیاز و رفتار مشتریان خواهد شد. بنابراین، استفاده از مدل­های ایستا، تغییر رفتار مشتریان را نادیده گرفته و در عمل پاسخگوی نیازهای جدید آنها نخواهد بود. این موضوع به‎ویژه در صنعت مخابرات با میزان بالای ریزش مشتریان اهمیت دارد. در این مقاله تغییر رفتار گروهی از مشتریان یک شرکت مخابراتی طی 10 ماه با به‌کارگیری خوشه‌بندی فازی، مدل‎سازی شد؛ سپس الگوهای مشابه در رفتار مشتریان به‎دست آمد. نتایج هفت نوع الگو را در رفتار مشتریان نشان می‎دهد که دو مورد منجر به ریزش مشتریان شده است. در عمل می­توان از الگوهای به‎دست آمده برای طراحی بهینۀ خدمات و جلوگیری از ریزش مشتریان استفاده کرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Extracting Customer Behavior Pattern in a Telecom Company Using Temporal Fuzzy Clustering and Data Mining
چکیده انگلیسی مقاله One of the most important issues in Customer Relationship Management is customer segmentation and product offer based on their needs. In practice, Customer’s behavior will change over the time by changes in technology, increase in the number of new customers and new competitors, and product variety. Traditional segmentation models that are static over time cannot predict these changes in customer’s behavior and ignore them. This challenge is especially critical in Telecommunication with high churn rates. In this research, we have used temporal fuzzy clustering to detect significant changes in customers' behavior for a telecom company during a 10-month period. The aim of this study is to find factors that affect structural and gradual changes in clustering model. In addition, we have suggested a method based on Frechet distance to extract similar patterns in customer’s usage behavior. Provided that combining the temporal clustering with trajectory analysis is an effective way to recognize customers’ behavior among the clusters, the results showed that there are seven distinct customer behavior patterns two of which lead to the customer drop or churn. These patterns can be used to reduce the risk and costs of customers churn and to design optimum services.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد فتحیان |
استاد گروه مهندسی سیستم، تجارت الکترونیکی و زنجیرۀ تأمین، دانشکدۀ صنایع دانشگاه علم و صنعت ایران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

احسان اژدری |
دانشجوی کارشناسی ارشد مهندسی صنایع، دانشکدۀ صنایع، دانشگاه علم و صنعت ایران، تهران، ایران
سازمان اصلی تایید شده: دانشگاه علم و صنعت ایران (Iran university of science and technology)

نشانی اینترنتی http://jitm.ut.ac.ir/article_61437_b4f32939f20e361592d9d16f9fd58e32.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1085/article-1085-428514.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