LRFM

استفاده از الگوهای جدید تحقیق مانند شبکه های عصبی مصنوعی همزمان با معرفی رویکردهای نوین بازاریابی لازمه موفقیت در بازارهای رقابتی است. در دو دهه اخیر بازاریابی در سیر تطور و تکوین خود از بازاریابی سنتی به سمت بازاریابی مشتری محور تغییر جهت پیدا کرده است. با رشد و اهمیت مدیریت ارتباط با مشتری، موضوع ارزش حیات مشتریان مطرح شده است. در واقع مدیران برای پاسخ به این پرسش که ارتباطات با کدام دسته از مشتریان باید مورد تاکید قرار گیرد از مفهوم ارزش حیات مشتری استفاده می کنند. به عبارت دیگر کوشش های بازاریابی باید روی مشتریانی معطوف شود که بیشترین سودآوری را برای سازمان به همراه دارند. مطالعه حاضر تحقیقی کاربردی است که به خوشه بندی مشتریان شرکت بازرگانی به پخش می پردازد. خوشه بندی مشتریان براساس ارزش حیات مشتری و چهار عنصر تازگی، دفعات، حجم و طول مدت خرید صورت می گیرد که به مدل LRFM موسوم است. همچنین جهت خوشه بندی مشتریان از رویکرد ترکیبی و دو مرحله ای شبکه های عصبی مصنوعی و الگوریتم کای میانگین استفاده شده است. نتایج این تحقیق نشان می دهد براساس الگوریتم خودسامان دهنده کوهنن مشتریان این شرکت در چهار گروه قابل دسته بندی هستند. نتایج تکنیک کای میانگین نیز نشان داده است مشتریان وفادار شرکت حدود ۳۶% نمونه را تشکیل می دهند و نیمی از مشتریان شرکت نیز در زمره مشتریان اتفاقی دسته بندی می شوند.

امروزه با توجه به اهمیت مشتری در محیط پرتلاطم و رقابتی، بهویژه در صنعت گردشگری و همچنین هزینه جذب مشتری جدید که بهمراتب بیش از هزینه حفظ مشتری موجود است ، شناسایی مشتری وفادار و حفظ آن اولویت بالایی دارد در این پژوهش تلاش شده،که از طریق رویکرد داده کاوی به ارزیابی وفاداری گردشگر پرداخته شود.این پژوهش بر روی 880 گردشگر داخلی شهر اصفهان که در بهار و تابستان 93 و 94 بیش از یک شب در هتل های 4 و 5 ستاره اقامت داشته اند،انجام شد.برای تجزیه و تحلیل داده ها از نرم افزارSPSSClementine12 و برای خوشه بندی گردشگران از الگوریتم تلفیقی PSO-KM و LRFMاستفاده شده است.نتایج حاکی از آن است که گردشگران را می توان به دو دسته طبقه بندی کرد:دسته اول در شاخصهای طول ارتباط با گردشگر و تازگی سفر دارای میانگینی بالا و در شاخصهای هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان وفادار و نامطمئن هستند.دسته دوم در شاخص تازگی سفر دارای میانگینی بالا و در شاخصهای طول ارتباط با گردشگر،هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان جدید و نامطمئن هستند.

  با گسترش اینترنت، سازمان ها از روش های مختلف E-CRM استفاده می کنند. یکی از اهداف سازمان ها در استفاده از E-CRM افزایش وفاداری مشتریان و حفظ مشتریان وفادار جهت دستیابی به مزیت رقابتی و سودآوری است. هدف این پژوهش بررسی تأثیر E-CRM بر وفاداری مشتریان بانک ملت با استفاده از تکنیک های داده کاوی است. در این پژوهش از روش های خوشه بندی با الگوریتم K-means و شبکه های عصبی (با الگوریتم پس انتشار خطا) و مدل LRFM از طریق برنامه نویسی در نرم افزارهای متلب و اکسل استفاده شده است. نتایج پژوهش نشان داد که با افزایش میزان استفاده مشتریان از خدمات E-CRMوفاداری آن ها افزایش می یابد. رابطه بین E-CRM، مؤلفه های مدل LRFM و وفاداری یک رابطه غیر خطی است و میزان تغییر در وفاداری به ازای تغییر E-CRM<em>، </em>مقداری ثابت نیست. میزان افزایش وفاداری تابعی از مؤلفه های LRFM، مقدار E-CRM و اوزان به دست آمده در شبکه عصبی است.