سنجش رضایت مشتریان فروشگاه های اینترنتی با ترکیب تکنیک های داده کاوی و الگوی کانو فازی (مطالعه موردی: وب سایت نیازکو)

رقابت در عرصه جهانی و تلاش برای دستیابی به مزیت رقابتی پایدار و برتری راهبردی نسبت به رقبا موجب گردیده که توجه به رضایت مشتری از اهمیت بالایی برخوردار باشد. این پژوهش با ترکیب دو روش خوشه بندی k-means، که یکی از روش های داده کاوی است، و الگوی »کانو « فازی سعی در بخش بندی مشتریان فروشگاه اینترنتی »نیازکو « و سپس، شناسایی نیازها و خواسته های آنان دارد. در این پژوهش برای انجام داده کاوی، تعداد 1090 رکورد از مشتریان وب سایت »نیازکو « در یک بازه زمانی 7 ماهه مورد بررسی قرار گرفتند و تعداد چهار خوشه از مشتریان شناسایی شدند. برای سنجش رضایت مشتریان، پرسشنامه »کانو « فازی به صورت تصادفی بین 168 نفر از مشتریان، که بر اساس فرمول »کوکران « به طور نمونه انتخاب شدند، توزیع شد و در نهایت، با روش »کانو « فازی نیازهای هر خوشه بررسی و طبقه بندی گردید. این پژوهش نشان می دهد که طبقه برخی از ویژگی ها بین خوشه های مختلف متفاوت و برای برخی دیگر برای هر چهار خوشه مشترک و از یک نوع است. همچنین، برای هر ویژگی در هر خوشه میزان رضایتمندی و عدم رضایت محاسبه شده است. نتایج این پژوهش بیانگر آن است که مشتریان خوشه سوم به دو دلیلِ بالا بودن تعداد تکرار مبادلات و مجموع مبالغ خریدکرده از سایت دارای اهمیت بیشتری برای این وب سایت هستند. نتایج این پژوهش می تواند یاری رسان فروشگاه های اینترنتی جهت ارائه مناسب محصولات به مشتریان مختلف باشد.

Measuring Online-Shopping Customer Satisfaction by Combining Data Mining Technique and Fuzzy Kano Model (Case Study: Nyazco Website)

Nowadays, one of the most important things that make companies pay attention to the customer satisfaction is the competition in the world and companies struggle to achieve sustainable competitive advantage and strategic superiority over their competitors. The aims of this research is to identify the customers rsquo; requirement in Nyazco online shopping and cluster these customers based on two methods, kmeans algorithm and fuzzy Kano model, in order to offer products according to each customer rsquo;s needs. In this study, 1090 records of customers were examined for data mining of these customers in the period of 7 months, and four clusters of customers were defined. To measure the customers rsquo; satisfactions, the fuzzy Kano questionnaire was designed and randomly assigned to 168 customers, who were selected based on Cochran formula, and finally, the requirements of each cluster were investigated and classified by using fuzzy Kano model. The results of this research show that the category of some characteristics is different between some clusters and is the same between other clusters. Also, the satisfaction and dissatisfaction score is calculated for each cluster. The results of this study indicate that the customers of the third cluster are more important for this site because the transaction frequencies of these customers and the total amount of purchasing are high. The result of this study will help other online shopping centers for better presentation of goods to different customers.