بخش‌بندی داده‌محور مشتریان تجارت الکترونیک با استفاده از مدل rfm و الگوریتم k-means

در عصر داده‌محور کنونی، تحلیل رفتار مشتریان در پلتفرم‌های تجارت الکترونیک نقش کلیدی در بهبود راهبردهای بازاریابی و افزایش وفاداری مشتری دارد. پژوهش حاضر با هدف بخش‌بندی هوشمند مشتریان بر اساس شاخص‌های مدل rfm (تازگی، تکرار و ارزش مالی) و به‌کارگیری الگوریتم k-means انجام شده است. مجموعه‌داده مورد استفاده، شامل داده‌های تراکنشی واقعی از بزرگ‌ترین پلتفرم تجارت الکترونیک پاکستان است. پس از آماده‌سازی داده‌ها و اجرای خوشه‌بندی، مشتریان در پنج گروه متمایز از نظر ارزش و رفتار خرید شناسایی شدند. نتایج نشان داد که الگوریتم k-means قادر است الگوهای پنهان رفتاری مشتریان را آشکار ساخته و گروه‌های وفادار، جدید، کم‌ارزش و فعال را به‌دقت تفکیک نماید. این بخش‌بندی، مبنایی برای طراحی راهبردهای بازاریابی شخصی‌سازی‌شده و تصمیم‌گیری داده‌محور فراهم کرده و می‌تواند در بهینه‌سازی تخصیص منابع، افزایش نرخ نگهداشت مشتری و ارتقای عملکرد تجاری پلتفرم‌های الکترونیک موثر واقع شود.