ارائه الگو تحلیل‌های پیشرفته آینده‌نگر براساس ارتباط میان سیاست‌های فروش با خوشه‌بندی مشتریان و سبد محصولی آنها در صنعت فروش و پخش

راهکار‌های آینده‌نگر در سیاست‌گذاری‌های فروش یکی از مولفه‌های مهم و ضروری در برنامه‌ریزی‌های کوتاه‌مدت و میان‌مدت در هر کسب‌وکاری است. تدوین درست و دقیق سیاست‌های فروش می‌تواند در مدیریت جریان‌های نقدی و تخصیص منابع نقش موثری داشته باشد. امر مزبور حکایت از این دارد که باتوجه‌به اینکه در دنیای رقابتی امروز (که رضایت خاطر مشتریان و افزایش سهم بازار مهم تلقی می‌شود) براورد مسئله دررابطه با رفتار خرید مشتریان موضوع اصلی هر سازمانی است که با استفاده از ارائه راهکار در جهت تحلیل‌های پیشرفته آینده‌نگر در حوزه سیاست‌گذاری می‌توان این مسائل را بهبود بخشید. هدف این پژوهش ارائه الگوی برای خوشه‌بندی مشتریان و استخراج سبد محصولی هر خوشه است که با استفاده از این اطلاعات سیاست‌های فروش و پخش متناسب هر خوشه استخراج‌شده که درنهایت نتایج به‌دست‌آمده به‌وسیله خبرگان صنعت پخش تایید شده است. صرفنظر از مشتریان فعلی با ورود مشتریان جدید، با بهره‌گیری از الگوریتم دسته‌بندی خوشه‌ها، سیاست مناسب این دسته از مشتریان نیز پیش‌بینی می‌شود که قابل ارائه برای تقویت و وفاداری آنها خواهد بود.

A Predictive Analytics Approach to Sales Policies Correlations with Customer Clusters and Product Portfolios in the Sales and Distribution Industry

Prospective sales policies are one of the essential components of short and mediumterm planning in any business. The correct and accurate formulation of sales policies can play an effective role in managing cash flows and allocating resources. In general, the above statement indicates the fact that in todaychr('39')s competitive world, customer satisfaction and increased market share is vital, estimating the issues about customer buying behavior and decision making is the main theme of any organization that this can be improved by using advanced prospective analysis in the field of sales policy. The purpose of this study is to provide a model for customer clustering, extract the product portfolio of each cluster and allocate the appropriate sales policies for them. Finally, the results were confirmed by experts. Apart from current customers and with the entrance of new customers, using clustering algorithms, the appropriate policies for different categories of these customers are provided to improve their loyalties.