|
|
تحلیل خوشه ای مشتریان بر مبنای مدل wrfm با رویکرد داده کاوی غیرنظارتی ( مورد مطالعه محصولات بهداشتی)
|
|
|
|
|
نویسنده
|
بشردوست امید ,اصغری زاده عزت الله ,افشار کاظمی محمد علی
|
منبع
|
پژوهش هاي نوين در تصميم گيري - 1401 - دوره : 7 - شماره : 1 - صفحه:198 -223
|
چکیده
|
در دنیای رقابتی امروز که شرکتها با حجم انبوهی از اطلاعات مشتریان به علت رشد و پیشرفت فناوری های اطلاعاتی و ایجاد پایگاه های داده ای مختلف مواجهاند استفاده از ابزار مدیریت ارتباط با مشتری که بتواند به درستی و به موقع نیازها و انتظارات مشتریان را شناسایی و رصد کند بیش از پیش ضرورت مییابد؛ یکی از تکنیکهایی که میتواند در این برهه نقشی کلیدی و اساسی ایفاکند دادهکاوی پایگاه دادههاست. هدف این پژوهش تحلیل دادههای مشتریان بر پایه مدل wrfm به کمک روشهای دادهکاوی غیرنظارتی است؛ پژوهشگران درصددند که با کشف الگوهای موجود به ارایه استراتژیهای موثرتری برای هر گروه از مشتریان و خصوصاً مشتریان کلیدی بپردازند تا برای سازمان سودآوری و عملکرد بهتری در برداشته باشد. .جامعه آماری این پژوهش مشتریان محصولات بهداشتی و آرایشی دربازه زمانی سالهای13971398 است که به روش نمونهگیری هدفمند در دسترس تعداد 64858 نمونه از پایگاه داده مشتریان انتخاب شده است. به کمک 3 تن از خبرگان (مدیران ارشد) فروش شرکت وزن شاخصهای مدل wrfm تعیین شده است. برای تجزیه وتحلیل دادهها از نرم افزار کلمنتاین وspss استفاده شده است. با توجه به مدل پژوهش، 4دسته مشتری: خاص و کلیدی، طلایی بالقوه، نامطمئن ازدست رفته، نامطمئن جدید شناسایی و نامگذاری شدند که برای هر یک از این دستهها استراتژیهای متفاوتی ارایه شده است. ضمنا نتایج نشان میدهد که خوشهبندی k میانگین شش خوشهای با خلوص 0/744درصد نسبت به دیگر روشها عملکرد بهتری داشته است.
|
کلیدواژه
|
تجزیه وتحلیل خوشهای، تشخیص مغایرت، خوشهبندی، دادهکاوی، مدل wrfm
|
آدرس
|
دانشگاه آزاد اسلامی واحد رودهن, دانشکده مدیریت و حسابداری, گروه مدیریت, ایران, دانشگاه تهران, دانشکده مدیریت, گروه مدیریت, ایران, دانشگاه آزاد اسلامی واحد تهران مرکزی, دانشکده مدیریت, گروه مدیریت, ایران
|
پست الکترونیکی
|
m_afsharkazemi@iauec.ac.ir
|
|
|
|
|
|
|
|
|
Customers Clustring Analysis Based on WRFM Model Using NonSupervisory Data Mining Approach (Case study of hygienic and cosmetic products)
|
|
|
Authors
|
bashardoust omid ,Asgharizadeh Ezzatollah ,Afshar Kazemi Mohammad Ali
|
Abstract
|
In today’s competitive world where companies are faced with a huge amount of customer information due to the growth and development of information technology and the creation of various databases, the use of customer relationship management tools that can accurately and timely identify and monitor customer needs and expectations Becomes more necessary;one of the techniques that can play a key and fundamental role in this period along with this important category is data mining of customer databases. The purpose of this study is to analyze customers clustering based on the WRFM model using nonsupervisory data mining methods;the researchers seek to discover the existing rules and patterns to provide more effective strategies for each group of customers, especially key customers, in order to have a better profitability and performance for the organization.Using available purposive sampling method, 64858 samples have been selected from the database of customers who have used hygienic and cosmetic products in the period of 20182019.The weight of WRFM attributes has been determined by surveying 3 sales experts (senior managers) of the company. Clementine and SPSS soft wares were used for data analysis. According to the research model, 4 customer categories: Specific and key, Potential golden, lost Uncertainty, New Uncertain were identified and named, and different strategies have been presented for each of these customer categories Also the result show that Kmean clustering with six clusters and purity of 0.744% had better performance than other clustering methods.
|
Keywords
|
|
|
|
|
|
|
|
|
|
|
|