بخش‌بندی مشتریان خرده‌فروشی‌های آنلاین براساس ویژگی‌های جمعیتی و تجربۀ‌ مشتری؛ رویکردی مبتنی‌بر نقشه‌های خودسازمان‌ده

زمینه و هدف: باتوجه‌به ظهور اینترنت به‌عنوان شبکۀ اصلی عرضۀ محصولات و خدمات در سال‌های اخیر، تجربۀ خرید آنلاین مشتریان اهمیت زیادی یافته است و تمایز مشتریان براساس تجربۀ مشتری، می‌تواند راهبردی موثر در بخش‌بندی مشتریان تلقی شود. هدف از اجرای این پژوهش بخش‌بندی مشتریان براساس تجربۀ مشتری در خرده‌فروشی‌های آنلاین است.روش‌شناسی: این پژوهش ازنظر هدفْ کاربردی و ازنظر روش اجرا در دستۀ پژوهش‌های توصیفی‌‌پیمایشی قرار می‌گیرد. جامعۀ آماری پژوهش شامل کلیۀ افرادی است که تجربۀ خرید از خرده‌فروشی‌های آنلاین داشته‌اند. حجم نمونه 384 نفر است که به‌صورت نمونه‌گیری غیراحتمالی دردسترس انتخاب شدند. برای تحلیل داده‌ها و بخش‌بندی مشتریان از رویکرد نقشه‌های خودسازمان‌ده با نرم‌افزار viscovery somine استفاده شده است.یافته‌ها و نتایج: براساس یافته‌های پژوهش، مشتریان خرده‌فروشی‌های آنلاین در سه بخش زیادخریداران، خریداران فایده‌گرا و خریداران بصری نام‌گذاری شدند. بخش اول (زیادخریداران) بیشترین دفعات خرید آنلاین را در کوتاه‌مدت دارند و امکان ارتباط با فروشنده بیشترین اهمیت را برای این گروه دارد. برای بخش دوم (فایده‌گراها)، مزایای درک‌شده و اعتماد در مقایسه با سایر بخش‌ها اهمیت بیشتری دارد. بخش سوم (ظاهرپسندها) اغلب با فواصل زمانی طولانی خرید آنلاین انجام می‌دهند. این افراد برای ویژگی ارائۀ محصول اهمیت زیادی قائل هستند و همچنین نسبت به دو خوشۀ دیگر، به آشنایی با فروشگاه اهمیت بیشتری می‌دهند.

Customer Segmentation in Online Retails Based on Customer Experience and Demographic Characteristics: A Self-Organizing-Maps (SOM) Approach

Objective: With the advent of the Internet as the main channel for the supply of products and services in recent years, customers’ experience of online shopping has become vital. The purpose of this research was segmenting customer’s experience of online retail stores.Methodology:  This study was an applied research in terms of purpose, and a descriptivesurvey one in terms of method. The statistical population included all the people, who had an experience of buying from online retailers. The required sample size was calculated by using Cochran’s formula for infinite communities. From among them, 384 people were selected through the available nonprobability sampling method. The data collection tool was a standard questionnaire, the validity and reliability of which were confirmed by content validity and Cronbach’s alpha coefficient, respectively. To analyze the data and segment the customers, the approach of SelfOrganizing Maps (SOM) was taken based on Artificial Neural Networks (ANNs) by using ViscoverySOMine software.Results and Discussion: According to the findings, the customers, who had an experience with online retailers, were divided into 3 segments with different demographic characteristics and components of online experience. The three categories of customers were apathetic, utilitarian, and visual customers. The first segment (apathetic customers) included those who were least affected by the components of the experience. The ability to communicate with the seller was most important to this group. The second group (utilitarian customers) consisted of the young and lowincome women, who had the least online shopping in the short time. Benefit and trust were more important to the customers of this group. The young to middleaged middleincome women constituted the third group (visual customers). These women often had online shopping for a long time. These people attached great importance to the product availability and paid more attention to store familiarity compared to other two clusters.