بررسی رفتار مصرف‌کننده به منظورخلق ارزش مورد انتظار مشتری توسط تحلیل کلان داده‌ها

مفهوم «ارزش» در کسب‌و‌کار، محصول یا خدمت بالقوه‌ای است که یک کسب‌وکار وعدۀ تحویل آن را به مشتری می‌دهد و بطور کلی دلیل انتخاب یک بِرند توسط مشتری و ترجیح آن نسبت به بِرند‌های رقیب می‌باشد. در سال‌های اخیر با افزایش حضور مصرف‌کنندگان در شبکه‌های اجتماعی در بستر اینترنت امکان دسترسی به داده‌های مربوط به علایق و ارزش‌های مورد انتظار مصرف‌کنندگان به وجود آمده است؛ هدف این پژوهش شناسایی مولفه‌های ارزش، جهت خلق و ارائه ارزش به مشتری، با استفاده از تجزیه و تحلیل نظرات و محتوای تولید شده توسط مصرف‌کنندگان در شبکه‌های اجتماعی است. بدین منظور تعداد 41904 نظر از مشتریان در رابطه با کالای «تلفن همراه» از سایت فروشگاه آنلاین دیجی‌کالا جمع‌آوری و با استفاده از روش‌های تحلیل کلان‌داده‌ها (عقیده‌کاوی و تخصیص پنهان دیریکله) مورد تجزیه و تحلیل قرار می‌گیرد. بر اساس یافته‌های پژوهش پنج دسته کلی ارزش شامل: 1. ارزش‌های کارکردی، 2. ارزش‌های اقتصادی، 3. ارزش‌های کیفی، 4. ارزش‌های احساسی و 5. ارزش‌های اجتماعی، به همراه سازه‌های مربوط به هر نوع از ارزش شناسایی گردید؛ نتایج نشان می‌دهد با استفاده از تحلیل کلان‌داده‌ها می‌توان با سرعت بیشتر و اتلاف کمتر منابع، تصویری شفاف‌تر از ارزش‌های مورد انتظار مشتری، به منظور ارائه محصولی متناسب با نیاز و خواسته‌های مصرف‌کننده بدست آورد.

Investigating Consumer Behavior to Create Expected Customer Value, Using Big Data Analysis

The concept of “value” in a business is a potential product or service that a business promises to deliver to the customer and in general, it is the reason why a customer chooses a brand and prefers it over competing brands. In recent years, with the increasing presence of consumers in social networks, it has become possible to access data related to the interests and expected values of consumers. The purpose of this study is to identify the components of value, to create and provide value to the customer, by analyzing the opinions and usergenerated content in social networks. For this purpose, 41904 costumers review relating cell phone from the Digikala online shopping site using machine learning algorithms and topic extraction by inductive approach is analyzed. According to this study, five main groups of values were detected: 1. Functional values, 2. Economic values, 3. Qualitative values, 4. Emotional values, 5. Social values. Also, the components related each group was identified. The results show that by using big data analytics, it is possible to obtain a clearer image than the expected values of the customer with less waste of resources and produce a commodity tailored to customer values.