بخش بندی مشتریان در شرکت های حمل و نقل ریلی مسافری با استفاده از روش ترکیبی تحلیل سلسله مراتبی و خوشه بندی دو مرحله ای

امروزه تعامل شرکت‌ها با مشتریان در قالب مدیریت ارتباط با مشتری به طور قابل توجهی تغییر یافته است. شناسایی ویژگی‌های مشتریان مختلف و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای شرکت‌ها دارند، به یکی از دغدغه‌های اصلی در حوزه مدیریت ارتباط با مشتری تبدیل شده است. هدف این پژوهش ارائه مدل مناسبی جهت بخش‌بندی مشتریان بر اساس ارزش‌آفرینی آنها میباشد. در فرآیند پیشنهادی این تحقیق که در یک شرکت حمل و نقل ریلی مسافری اجرا گردیده است، داده‌های مربوط به کلیه مسافران و مشتریان شرکت در بازه‌ زمانی 4 ساله؛ از ابتدای سال 1397 تا انتهای سال 1400 دریافت و پس از تعیین مقادیر شاخص‌های مدل آر. اف. ام. (rfm) (تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله) مشتریان بر اساس معیارهای سه‌گانه، با استفاده از تکنیک خوشه‌بندی دو مرحله‌ای خوشه‌بندی می‌شوند. در ادامه با وزن‌دهی به معیارهای آر. اف. ام براساس روش تحلیل سلسله مراتبی و محاسبه ارزش دوره عمر، خوشه‌های موجود اولویت‌بندی شده و مشتریان کلیدی و با ارزش شرکت مشخص شده‌اند. در نهایت نیز پیشنهاداتی جهت بهبود سیستم مدیریت ارتباط با مشتری ارائه شده است.

customer segmentation in passenger rail transport companies using the combined method of hierarchical analysis and two-step clustering

today, the interaction of companies with customers in the form of customer relationship management has changed significantly. identifying the characteristics of different customers and allocating optimal resources to them according to their value for companies has become one of the main concerns in the field of customer relationship management. the aim of this research is to provide a suitable model for customer segmentation based on their value creation. in the proposed process of this research, which was implemented in a passenger rail transportation company, the data related to all passengers and customers of the company in a 4-year period; from the beginning of 2017 to the end of 2014, and after determining the values of the indicators of the model r. f. m. (rfm) (recentness of transaction, frequency of transaction, and monetary value of transaction) customers are clustered based on three criteria, using a two-stage clustering technique. in the following, by weighting the criteria of r. f. based on the method of hierarchical analysis and life cycle value calculation, existing clusters have been prioritized and key and valuable customers of the company have been identified. finally, suggestions for improving the customer relationship management system have been presented