تحلیل الگوی رفتاری مشتریان شعب به روش خوشه بندی و دسته بندی با استفاده از روش rfm (مطالعه موردیرستوران زنجیره ای)

در دنیای پر رقابت امروز، بکارگیری تکنیک های جدید در پیشرفت کسب و کار تاثیر به سزایی دارد. صنعت رستوران نیز از این قاعده مستثنی نمی باشد. از این رو، در این پژوهش، با استفاده از روش های نوین کشف دانش و داده کاوی به بررسی داده های مشتریان رستوران زنجیره ای پرداخته شده است. هدف از این تحقیق، کشف الگوهای رفتاری مشتریان با استفاده از روش های داده کاوی بوده است. در این تحقیق، تعداد یک میلیون و پانصد هزار رکورد از سوابق مشتریان در 5 شعبه یک رستوران زنجیره ای مورد بررسی قرار گرفته اند و دو مرحله مدلسازی خوشه بندی با استفاده از متد rfm و سپس مدلسازی دسته بندی بر روی داده ها اجرا گردید و قواعد رفتاری مشتریان رستوران زنجیره ای استخراج گردید. نتایج به دست آمده از این تحقیق، به شناخت مشتریان وفادار و سودآور رستوران زنجیره ای کمک کرده است که نهایتا منجر به بهبود سودآوری رستوران زنجیره ای گردیده است. برقراری ارتباط بین نتایج به دست آمده از خوشه بندی و دسته بندی از جمله نوآوری های این تحقیق بوده است.

Branch Client Behavior Analysis Using RFM Method

In today's competitive world, applying new techniques to business development has a great impact. The restaurant industry is no exception. Therefore, in this research, using new methods of knowledge discovery and data mining, customer data of chain restaurant is investigated. The purpose of this study was to explore customer behavior patterns using data mining methods.In this study, one million and five hundred thousand customer records were reviewed in five branches of a chain restaurant and two stages of clustering modeling using RFM method and then classification modeling were performed on the data and the behavior rules chain restaurant customers were extracted. The results of this study have helped to identify the loyal and profitable customers of the chain restaurant which has led to the improvement of the profitability of the chain restaurant. One of the innovations of this research has been the communication between clustering and classification results.