مدل‎سازی ترکیبی Pareto/NBD و RFM موزون فازی به‎منظور بخش‌بندی مشتریان در روابط غیرقراردادی

درآمدسازی در شرکت‌ها از طریق ایجاد رابطه با مشتریان و حفظ این روابط در درازمدت صورت می‌پذیرد. از این رو توانایی پیش‌بینی مناسب روابط با مشتریان نکته‌ای اساسی در مدیریت رابطه با مشتریان است. بخش‌بندی روشی است که طی آن با تفکیک مشتریان به بخش‌های متجانس با رفتار خرید مشابه، تلاش می‌شود تا ارزش آتی رابطه با مشتریان پیش‌بینی شود. روش rfm یکی ازمتداول‌ترین روش‌های بخش بندی است که از تحلیل پایگاه داده تراکنشی برای رده‌بندی ارزش مشتریان استفاده می کند. پژوهش حاضر تلاش دارد تا از ترکیب مدل‎سازی pareto/nbd ـ که به مدلی قدرتمند در پیش بینی رفتار مشتریان مشهور است ـ با روش معمول rfm، کیفیت بخش بندی مشتریان را ارتقا بخشد. در این پژوهش از روش pareto/nbd برای تخمین سه مولفه مقدار انتظار احتمال فعالیت آتی، تعداد تراکنش‌های آتی و متوسط ارزش پولی استفاده شده است. سپس نتایج بخش بندی مشتریان با استفاده از این مولفه ها با کاربرد روش مرسوم rfm مقایسه شده است. نتایج حاصل بیانگر بهبود کیفیت بخش بندی در رده‌بندی ارزش آتی مشتریان، به‎ویژه در رده های ارزشمند مشتری با کمک رویکرد پیشنهادی است.