محمد زرندی

پژوهش حاضر با هدف ارائه استراتژی بازاریابی بازگشتی با رویکرد تعیین اعتبار مشتری با استفاده از داده کاوی شبکه عصبی میباشد. روش این پژوهش برحسب هدف، کاربردی و از نظر اجرا از نوع آمیخته (کیفی- کمی) می باشد. ابتدا، با به کارگیری روش تحلیل مضمون، مؤلفه های کلیدی بازاریابی بازگشتی شناسایی و چارچوب اولیه بهینه سازی طراحی شد. سپس، از روش دلفی و مصاحبه های ساختارمند با خبرگان حوزه بازاریابی و مدیریت مشتری برای اعتبارسنجی شاخص ها استفاده گردید. در این پژوهش، از ترکیب الگوریتم خوشه بندی K-Means++ و مدل RFM برای بخش بندی مشتریان و شناسایی گروه های نیازمند مداخلات بازاریابی استفاده شده است. همچنین، با بهره گیری از درخت تصمیم و شبکه های عصبی مصنوعی، قواعد اعتبارسنجی مشتریان و دقت پیش بینی رفتار آن ها ارتقا یافته است. یافته های پژوهش نشان می دهد که این چارچوب ترکیبی نه تنها دقت خوشه بندی را بهبود می بخشد، بلکه امکان طراحی استراتژی های شخصی سازی شده برای هر گروه از مشتریان را فراهم می کند. نتایج حاکی از آن است که شاخص تازگی خرید (Recency) بیشترین تأثیر را در تعیین ارزش مشتری دارد و ادغام داده های تراکنشی با ویژگی های دموگرافیک و رفتاری، بینش های جامع تری را برای تصمیم گیری های بازاریابی ارائه می دهد. این پژوهش با پر کردن شکاف های موجود در تحقیقات پیشین، به ویژه در حوزه تفسیرپذیری و تعمیم پذیری مدل ها، گامی مؤثر در جهت توسعه دانش نظری و کاربردی بازاریابی بازگشتی برداشته است.