مطالب مرتبط با کلیدواژه

بخش بندی مشتریان


۱.

ارائه یک مدل برای محاسبه ارزش عمر مشتری در سیستم های مدیریت ارتباط با مشتری

کلیدواژه‌ها: داده کاوی استراتژی بازاریابی ارزش مشتری وفاداری مشتریان ارزش عمر مشتری بخش بندی مشتریان

حوزه های تخصصی:
تعداد بازدید : ۳۲۲۶ تعداد دانلود : ۱۷۶۷
در طول دهه اخیر مفهوم مدیریت ارتباط در حوزه بازاریابی اهمیت یافته است. مدیریت ارتباط با مشتری همراه با گسترش بازارها در سطح جهانی و افزایش رقابت بسیار مورد توجه قرار گرفته است. جذب و نگهداری مشتریان سودآور جدی ترین نگرانی شرکت ها می باشد. یکی از مهمترین ابزارهای بکار رفته در مدیریت ارتباط با مشتری، مفهوم ارزش عمر مشتری می باشد...
۲.

بخش بندی مشتریان بر اساس ارزش دوره عمر آنها با استفاده از داده کاوی بر مبنای مدل آر.اف.ام. (RFM)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدیریت ارتباط با مشتری ارزش دوره عمر مشتری بخش بندی مشتریان مدل آر.اف.ام. (RFM) خوشه بندی کا- میانگین

حوزه های تخصصی:
تعداد بازدید : ۲۷۷۱ تعداد دانلود : ۱۵۳۹
امروزه تعامل شرکت ها با مشتریان در قالب مدیریت ارتباط با مشتری به طور قابل توجهی تغییر یافته است. شناسایی ویژگی های مشتریان مختلف و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای شرکت ها دارند، به یکی از دغدغه های اصلی در حوزه مدیریت ارتباط با مشتری تبدیل شده است. هدف این مقاله ارائه مدل مناسبی جهت بخش بندی مشتریان بر اساس ارزش دوره عمر آنها می باشد. در فرایند پیشنهادی این تحقیق که در شرکت بازرگانی طوس شرق اجرا گردیده است، پس از تعیین مقادیر شاخص های مدل آر.اف.ام. (RFM) شامل تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله در 260 مشتری و وزن دهی آنها با استفاده از فرایند تحلیل سلسله مراتبی، با توجه به تعداد خوشه بهینه بر اساس شاخص وارد، به خوشه بندی مشتریان با استفاده از روش کا- میانگین پرداخته شده است. نتایج مطالعه حاضر، زمینه را برای تحلیل ویژگی های مشتریان شرکت در 8 بخش اصلی فراهم نمود. همچنین با بخش بندی مشتریان در قالب هرم ارزش دوره عمر مشتری، مشتریان کلیدی و با ارزش شرکت مشخص شدند. در نهایت نیز پیشنهادهایی به شرکت جهت بهبود سیستم مدیریت ارتباط با مشتری ارائه گردید.
۳.

مدلی جهت دسته بندی ریسکی گروه های مشتریان بیمة بدنة اتومبیل براساس ریسک بااستفاده از تکنیک داده کاوی (مورد مطالعه: بیمة بدنة اتومبیل در یک شرکت بیمه ای)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان شبکه خودسازمانده بیمه بدنه اتومبیل

حوزه های تخصصی:
تعداد بازدید : ۱۴۸۶ تعداد دانلود : ۸۳۸
در کشور ما بیمة اتومبیل از مهم ترین رشته های بیمه ای است که سهم عمده ای در پرتفوی صنعت بیمه دارد. در ایران نرخ حق بیمة بدنة اتومبیل باتوجه به تعرفة بیمه مرکزی ج. ا. ا. تعیین میشود. هدف این تحقیق ارائه راهکار به شرکت های بیمه جهت تعیین نرخ حق بیمة بدنة اتومبیل باتوجه به سطح ریسک هریک از مشتریان و یاریکردن سازمان های بیمه در جهت پیشبرد اهداف و به کارگیری استراتژیهای مناسب در خصوص هریک از دسته های مشتریان و بهبود موقعیت فعلی در بازار است. در مدل ارائه شده در ابتدا عوامل تأثیرگذار بر ریسک بیمه گذاران طی دو مرحله شناسایی شد. در مرحلة اول هیجده فاکتور ریسک در چهار گروه شامل مشخصات جمعیت شناختی، مشخصات اتومبیل، مشخصات بیمه نامه و سابقة راننده از بین مقالات علمی منتشرشده در مجلات معتبر در بازة سال های 2009- 2000 استخراج شد و در مرحلة دوم بااستفاده از نظرسنجی از خبرگان، فاکتورهای نهایی تعیین گردید. پس از بخش بندی مشتریان بااستفاده از شبکة خودسازمانده، ویژگیهای مشتریان در هریک از بخش ها شناسایی شد. شناسایی ویژگیهای مشتریان، اولین گام برای تعریف حق بیمه های متفاوت براساس سطح ریسک هر مشتری است.
۴.

بخش بندی مشتریان بانک صادرات ایران با استفاده از داده کاوی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بانکداری داده کاوی بخش بندی مشتریان ارزش طول عمر مشتری تحلیل آر اف ام

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت بازرگانی مدیریت بازرگانی بازاریابی و مدیریت بازار
  2. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات پژوهش عملیاتی
تعداد بازدید : ۴۳۰۰ تعداد دانلود : ۲۲۱۲
امروزه یکی از چالش های بزرگ سازمان های مشتری محور، شناخت مشتریان، ایجاد تمایز بین گروه های مختلف مشتریان و رتبه بندی آنهاست. در گذشته تفکیک مشتریان به گروه های مختلف با رویکرد بخش بندی بر اساس نیاز مشتری صورت می گرفت. اما امروزه ارزش مشتری به عنوان عامل قابل اندازه گیریمی تواند در بخش بندی مشتریان به کار رود. هدف اصلی این مقاله بخش بندی مشتریان بانک بر اساس عوامل مؤثر بر ارزش طول عمر مشتریان در حیطه بانکداری خرد است. در راستای این هدف اطلاعات تراکنشی و اطلاعات استفاده از خدمات بانکی مربوط به 30,000 مشتری بانک صادرات ایران در دوره زمانی یک ساله (از فروردین 89 تا فروردین 90) دریافت شد. مشتریان نمونه بر اساس تحلیل آر اف ام و از طریق اطلاعات تراکنشی (تاریخ آخرین تراکنش، تعداد تراکنش ها در بازه زمانی یک ساله و مانده حساب در انتهای این بازه زمانی) با استفاده از الگوریتم two step خوشه بندی شدند. سپس کشف الگوهای پنهان بین داده های استفاده از خدمات بانکداری و بخش های مختلف مشتریان با استفاده از الگوریتم C5.0 انجام گرفت. طبق نتایج به دست آمده، مشتریان به چهار بخش تفکیک شدند و ویژگی های هریک از بخش ها مورد بررسی و تجزیه و تحلیل قرار گرفت. نتایج به دست آمده از این پژوهش می تواند برای تدوین برنامه های بازاریابی و توسعه و پیشنهاد محصول و خدمات برای هر یک از گروه های مشتریان به کار رود.
۵.

استفاده از مدل LRFM برای بخش بندی مشتریان براساس ارزش چرخه عمر آنها(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدیریت ارتباط با مشتری بخش بندی مشتریان تحلیل تشخیصی داده کاوی کریسپ(CRISP) مدل ال.آر.اف.ام(LRFM) ارزش دوره عمر

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت بازرگانی مدیریت بازرگانی بازاریابی و مدیریت بازار
  2. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات پژوهش عملیاتی
تعداد بازدید : ۲۰۷۰ تعداد دانلود : ۷۵۸
یکی از چالش های مهم در حوزه مدیریت ارتباط با مشتری در سازمان های مشتری محور شناخت مشتری است و درک تفاوت و رتبه بندی آنها و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای شرکت ها دارند، می باشد. هدف این مقاله ارائه مدل مناسبی جهت بخش بندی مشتریان بر اساس ارزش دوره عمرآنها می باشد. در فرایند پیشنهادی این تحقیق در شرکت مورد مطالعه، برمبنای روش داده کاوی کریسپ (CRISP) شش فاز کلی طراحی و پس از تعیین مقادیر شاخص های مدل ال.آر.اف.ام (LRFM) شامل طول ارتباط مشتری، تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله در921مشتری و وزن دهی آنها با استفاده از فرایند تحلیل سلسله مراتبی گروهی، با توجه به تحلیل تشخیصی در 16 گروه و پنج خوشه(بخش) اصلی مشتریان وفادار(گروه های 13و10 و 16) ، بالقوه(گروه های8 ،15 و14)، جدید(گروه های 5 ،3 ،2 ،1)، از دست رفته(گروه های 9، 12، 4، 7) و پر مصرف (گروه های 6 و 11) بخش بندی و ارزش دوره عمر آنها تعیین گردیده است. نتایج مطالعه حاضر، زمینه را برای تحلیل ویژگی های مشتریان شرکت فراهم نمود. همچنین با بخش بندی مشتریان، مشتریان کلیدی و با ارزش شرکت مشخص شدند. در این مطالعه مشتریان گروه 13 با بالاترین ارزش دوره عمر شناسایی شدندکه شرکت باید در حفظ و نگهداری آنها تلاش نماید. در نهایت نیز پیشنهادهایی به شرکت جهت بهبود سیستم مدیریت ارتباط با مشتری ارائه گردید.
۶.

طراحی و پیاده سازی سیستم پایلوت فروش متقاطع با استفاده از رویکرد ارزش مشتری در صنعت بیمه ایران(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدل RFM تحلیل سلسله مراتبی بخش بندی مشتریان ارزش طول عمر مشتری قوانین انجمنی فروش متقاطع

حوزه های تخصصی:
تعداد بازدید : ۷۸۵ تعداد دانلود : ۴۷۳
باتوجه به محیط رقابتی کنونی در صنعت بیمه، شرکت های بیمه لازم است به منظور حداکثر کردن سودآوری مشتری، علاوه بر اکتساب مشتریان جدید، به حفظ مشتریان قدیمی و افزودن ارزش آنها بپردازند. یکی از متداول ترین راه های افزایش ارزش مشتری برای شرکت های بیمه، فروش محصولات بیشتر به مشتریان کنونی و برتر شرکت است که به آن فروش متقاطع گویند. در این تحقیق از مدل RFM به منظور تحلیل ارزش مشتریان یکی از شرکت های بیمه ای بزرگ استفاده شده است. مشتریان این شرکت براساس سه متغیر تازگی، تکرار و ارزش پولی بخش بندی شده اند. پس از محاسبه این متغیرها، بااستفاده از الگوریتم های k-means و fuzzy c-mean مشتریان خوشه بندی شده اند. نتایج این خوشه بندی از نظر کیفیت براساس معیار سیلوئت سنجیده شده است. وزن هریک از این متغیرها در صنایع مختلف می تواند متفاوت باشد، ازاین رو بااستفاده از روش تحلیل سلسله مراتبی، وزن هریک از این متغیرها تعیین شده است. سپس خوشه ها برحسب ارزش رتبه بندی شده اند و سودآورترین مشتریان مشخص شده اند. همچنین در فاز دوم این تحقیق، بااستفاده از تکنیک استخراج قوانین انجمنی، الگوهای مصرف مشتریان در هر خوشه، ترسیم گردیده است.
۷.

بخش بندی مشتریان در صنعت بانکداری با استفاده از مدل توسعه یافته RFMC

کلیدواژه‌ها: داده کاوی مدل RFM مدیریت ارتباط با مشتری بخش بندی مشتریان الگوریتم خوشه بندی دو مرحله ای

حوزه های تخصصی:
تعداد بازدید : ۲۷۶۹ تعداد دانلود : ۱۳۹۹
پس از ورود جدی بانک های خصوصی و موسسات مالی و اعتباری به عرصه بانکداری، رقابت بین موسسات و بانک ها به منظور شناسایی، جذب و حفظ مشتریان از اهمیت بالایی برخودار شده است. تحلیل رفتار مشتریان در سازمان های فعال در این حوزه که با تعداد کثیری از مشتریان در نقاط پراکنده با ویژگی های متفاوت سر و کار دارند، باعث موفقیت آنها در بازار رقابتی و مدیریت ارتباط موثر با مشتریان می شود. بخش بندی مشتریان، از رویکردهای داده کاوی که منجر به کشف گروه های مشابه از مشتریان می شود، اغلب بر اساس مدل ""تاخر خرید، بسامد خرید، و ارزش مالی آن"" ( RFM ) انجام می گردد. در این مقاله، الگوی جدید بخش بندی مشتریان بر پایه مدل توسعه یافته RFM به وسیله افزودن متغیر توالی روزهای انجام تراکنش (C) ارائه شده است. مشتریان بانک بر اساس مدل RFM و مدل پیشنهادی این پژوهش ( RFMC ) و با استفاده از الگوریتم خوشه بندی دو مرحله ای و بکارگیری گام های متدلوژی GRISP-DM بخش بندی شده اند. این پژوهش نشان می دهد، دقت مدل RFMC نسبت به مدل RFM در بخش بندی مشتریان این صنعت به مقدار 5.5% بیشتر است. پس از انجام فرایند خوشه بندی با استفاده از مدل پیشنهادی، مشتریان یکی از بانک های خصوصی کشور به 5 خوشه تقسیم شده اند. ضمن تحلیل رفتار مشتریان هر خوشه، مدلی مبتنی بر شبکه عصبی پیش خوراند برای پیش بینی شماره خوشه مشتریان بر مبنای ویژگی های رفتاری و جمعیت شناختی آنها توسعه داده شده است.
۸.

بخش بندی مشتریان براساس ارزش دوره حیات و شبکه های عصبی مصنوعی

کلیدواژه‌ها: شبکه های عصبی مصنوعی بخش بندی مشتریان ارزش حیات مشتریان LRFM

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت بازرگانی مدیریت بازرگانی بازاریابی و مدیریت بازار
  2. حوزه‌های تخصصی مدیریت مدیریت صنعتی تحقیق در عملیات مدلسازی ریاضی
تعداد بازدید : ۱۰۴۳ تعداد دانلود : ۶۲۹
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.
۹.

شناسائی الگوی رفتاری مشتریان در بیمه عمر و تشکیل سرمایه با استفاده از تکنیکهای داده کاوی(مقاله علمی وزارت علوم)

کلیدواژه‌ها: مدیریت ارتباط با مشتری ارزش دوره عمر مشتری بخش بندی مشتریان خوشه بندی کا- میانگین مدل آر.اف.ام (RFM)

حوزه های تخصصی:
  1. حوزه‌های تخصصی مدیریت مدیریت بازرگانی مدیریت بیمه بیمه اشخاص
  2. حوزه‌های تخصصی مدیریت مدیریت سازمانی و منابع انسانی روابط فرد و سازمان
تعداد بازدید : ۱۵۰۵ تعداد دانلود : ۷۷۶
امروزه تعامل شرکت ها با مشتریان در قالب مدیریت ارتباط با مشتری به طور قابل توجهی تغییر یافته است. شناسایی ویژگی های مشتریان مختلف و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای شرکت ها دارند، به یکی از دغدغه های اصلی در حوزه مدیریت ارتباط با مشتری تبدیل شده است. هدف این مقاله ارائه مدل مناسبی جهت بخش بندی مشتریان بر اساس برخی از مهم ترین ویژگی های مالی، جمعیت شناختی در قالب عوامل مؤثر بر شاخص های ارزش دوره عمر مشتری (آر.اف.ام) می باشد. در فرایند پیشنهادی این تحقیق که در شرکت بیمه سامان اجرا شده است، پس از تعیین مقادیر شاخص های مدل آر.اف.ام (RFM) شامل تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله در 180000 مشتری و وزن دهی آنها با استفاده از فرایند تحلیل سلسله مراتبی، تعداد خوشه بهینه بر اساس شاخص سیلوئت و نرخ تأثیر شاخص های آر.اف، ام با استفاده از الگوریتم Two-step انجام شد و در مرحله بعد به خوشه بندی مشتریان با استفاده از روش K-means پرداخته شده است. نتایج مطالعه حاضر، زمینه را برای تحلیل ویژگی های مشتریان شرکت در سه بخش اصلی فراهم نمود. همچنین با اولویت بندی خوشه ها بر اساس شاخص های آر.اف.ام، مشتریان کلیدی و با ارزش شرکت مشخص شدند. در نهایت نیز پیشنهادهایی به شرکت برای بهبود سیستم مدیریت ارتباط با مشتری ارائه گردید.
۱۰.

مدلی برای شناسایی نمایندگی های بیمه با ارزش و با ریسک تنظیم شده(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ارزش دوره عمر مشتری مدیریت ارتباط با مشتری مدیریت ریسک مشتری مدیریت دانش مشتری بخش بندی مشتریان

حوزه های تخصصی:
تعداد بازدید : ۵۱۴ تعداد دانلود : ۲۹۲
تمام تلاش های یک سازمان برای دسترسی به سهم بیشتری از مشتریان و در نهایت خلق ارزش برای مشتریان با ارزش متمرکز می شود. در این تحقیق مدلی جهت اندازه گیری و محاسبه ارزش عمر مشتریان در صنعت بیمه معرفی می گردد. برای این منظور نمایندگی های یک شرکت بیمه از سال 1390-1387 انتخاب و مبنای تحلیل و پیاده سازی مدل قرار گرفته اند. پس از محاسبه CLV نمایندگی ها، به بخش بندی آنها بر اساس معیارهای مؤثر بر CLV که شامل فاکتورهای ریسک و اطلاعات دموگرافیک است، پرداخته شد که براین اساس نمایندگان به سه خوشه تقسیم بندی شدند از بین سه خوشه به دست آمده در این پژوهش، مشخص گردید که خوشه اول با ارزش ترین خوشه است و برای شرکت از اهمیت بالایی برخوردار است. خوشه دوم و سوم از نمایندگانی تشکیل شده که تجربه کافی دارند و می توان به عنوان نمایندگان وفادار از آ نها نام برد.
۱۱.

ارائه چهارچوبی به منظور بخش بندی بیمه گذاران بیمه عمر با استفاده از داده کاوی(مقاله علمی وزارت علوم)

تعداد بازدید : ۳۵۱ تعداد دانلود : ۲۱۵
هدف از این پژوهش ارائه چارچوبی برای بخش بندی بیمه گذاران بیمه عمر با استفاده از روش های داده کاوی است. جامعه آماری پژوهش شامل مشتریان شرکت بیمه ای در شهر اصفهان بوده است و داده های لازم از قراردادهای بیمه گذاران بیمه عمر این شرکت، در بازه زمانی سال های 1387 تا 1397 جمع آوری شده است. بدین ترتیب داده های مربوط به 353 نفر از بیمه گذاران بیمه عمر در قالب چهارده متغیر (ویژگی های فردی و شرایط بیمه انتخابی) گردآوری شد. با استفاده از الگوریتم خوشه بندی کا - میانگین و به کمک معیار سیلوئت در نرم افزار «متلب»، مشتریان در چهار خوشه طبقه بندی شدند. تحلیل نتایج به دست آمده از رفتار مشتریان هر خوشه، مبنایی برای نام گذاری خوشه ها به نام های ترقی خواهان، محافظه کاران، زحمت کشان و طلایه داران به دست داد. همچنین به منظور تسهیل فرایند بررسی متغیرهای ورودی در هر خوشه، فقط هفت متغیر (سن، تحصیلات، شغل، نحوه پرداخت حق بیمه، تعداد استفاده کنندگان از سرمایه بیمه درصورت فوت، نرخ افزایش سرمایه فوت و پرداخت حق بیمه منظم) در تحلیل نهایی وارد شد، یعنی متغیرهایی که در خوشه هایی که در آزمون «خی» دو تفاوت معنادار بین آن ها در سطح 001 /0 وجود داشت.
۱۲.

خوشه بندی مشتریان بیمه بر اساس تکنیک های داده کاوی جهت استفاده در تکنیک های بازی وارسازی(مقاله علمی وزارت علوم)

نویسنده:

کلیدواژه‌ها: بیمه بخش بندی مشتریان داده کاوی بازی وارسازی

حوزه های تخصصی:
تعداد بازدید : ۳۷۰ تعداد دانلود : ۲۷۵
هدف: لزوم افزایش ضریب نفوذ بیمه در ایران ایجاب می کند شرکت های بیمه از روش های نوین برای افزایش توجه مردم به بیمه، جذب مشتریان جدید و نگهداری مشتریان پیشین استفاده کنند. در این بین، بازی وارسازی یکی از امکانات نرم افزارهای جدید در بحث مدیریت ارتباط با مشتری است که قابلیت پیاده سازی راهکارهای جذاب و متنوعی از جمله امتیازدهی، جایزه، اشتراک گذاری و ... را با استفاده از اطلاعات موجود در پایگاه داده شرکت های بیمه فراهم نموده و با استفاده از آن می توان مشتریان را از منظرهای مختلف (وفاداری، سوددهی و...) تقسیم بندی نمود. روش شناسی: در این تحقیق جهت پیاده سازی روش پیشنهادی از داده های بیمه گذاران حقیقی شرکت بیمه ای منتخب در سه سال اخیر با حفظ امنیت و محرمانگی آنها استفاده شد و بیمه گذاران به 4 دسته ویژه، برتر، میانی و ضعیف تقسیم شدند و جهت بهره گیری از تکنیک های مختلف بازی وارسازی، روش های متناسب با هر گروه از آنها با توجه به ویژگی های جنسیتی، سنی و .. به کار گرفته شد. یافته ها: نتایج نشان داد از مواردی که جهت جایزه و تخفیف استفاده می شوند برای بیمه گذارن برتر و ویژه می توان بهره گرفت. همچنین از تکنیک هایی ترغیب و ارتقای سطح بیمه گذار مانند پیشرفت مرحله به مرحله ، برای مشتریان میانی و رساندن آنها به سطح مشتریان ویژه واستفاده کرد. در سطوح مشتریان ضعیف نیز از تکنیک های بازاریابی و افزایش گستره مشتریان بالقوه مانند امکان به اشتراک گذاری یا گردونه شانس می توان استفاده نمود. نتیجه گیری: پیاده سازی سیستم بازی وارسازی در صنعت بیمه با در نظر گرفتن سطوح و ویژگی های منحصربه فرد بیمه گذاران، مقوله گسترده ای است که می تواند زمینه تحقیقات جذاب در آینده باشد.   طبقه بندی موضوعی: G22، C38، .C5
۱۳.

بخش بندی مشتریان صنایع تولید و پخش کالاهای پرگردش بر اساس مدل بهبود یافته RFM (مطالعه موردی: شرکت گلستان)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان داده کاوی صنایع تولید و توزیع کالاهای پرگردش مدل RFM

حوزه های تخصصی:
تعداد بازدید : ۲۳۷ تعداد دانلود : ۱۱۱
بخش بندی مشتریان و تحلیل رفتار آنها در صنایع تولید و پخش کالاهای پرگردش، با تعداد کثیری از مشتریان متفاوت در نقاط پراکنده، سبب هدفمندشدن فعالیت های بازاریابی و ارتباط مؤثر آنها با مشتریان می شود. بخش بندی مشتریان از رویکردهای داده کاوی که به کشف گروه های مشابه از مشتریان منجر می شود، عمدتاً براساس متغیرهای تازگی، تکرار و حجم خرید در مدل RFM انجام می شود. کیفیت بخش بندی، به انتخاب مناسب متغیرهای عملکردی مشتریان بستگی دارد. ارزیابی کیفیت بخش بندی مشتریان بزرگ ترین شرکت تولید و پخش کالاهای پرگردش، مؤید فرضیه تأثیرگذاری اندک متغیر تازگی خرید بر بخش بندی مشتریان این صنایع است. در این مقاله، متغیر توالی خرید (C) به عنوان متغیر عملکردی مشتریان در این صنایع معرفی شده و با جایگزینی آن با متغیر تازگی خرید در مدل RFM، کیفیت بخش بندی مشتریان در این صنایع بهبود داده شده است. کاهش 11 درصدی شاخص دیویس- بولدین در خوشه بندی مشتریان شرکت گلستان و افزایش 1 درصدی دقت پیش بینی خوشه مشتریان در مدل شبکه های عصبی براساس مدل پیشنهادی این تحقیق (CFM) در مقایسه با مدل RFM، بیانگر دقت بالاتر مدل CFM است.
۱۴.

بخش بندی مشتریان در رستوران های زنجیره ای بر اساس سبک تغذیه (مطالعه موردی: رستوران های زنجیره ای فست فود بوف در شهر تهران)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان سبک تغذیه مشتریان رستوران های زنجیره ای

حوزه های تخصصی:
تعداد بازدید : ۱۶۸ تعداد دانلود : ۱۲۵
با تنوع نیازهای مشتریان، شناسایی بازار هدف در بخش خدمات پیچیده تر می شود. درک عمیق از نگرش ها و محرک های بخش های مختلف بازار، احتمال تولید و عرضه محصول ها و خدمات سفارشی و بهبود مزایای رقابتی شرکت ها را افزایش می دهد. از مهم ترین ابزارهای بخش بندی بازار در صنایع غذایی، بخش بندی مشتریان براساس سبک تغذیه است که چگونگی کسب ارزش از طریق غذاخوردن را بررسی می کند. این پژوهش، کاربردی و توصیفی- پیمایشی است و با هدف شناسایی سبک های تغذیه مشتریان رستوران های زنجیره ای، طراحی شده است. جامعه آماری آن را مشتریان رستوران های زنجیره ای بوف شهر تهران تشکیل می دهند. از 440 نفر نمونه آماری- که با روش چندمرحله ای به دست آمد- 384 پرسشنامه با کمک نرم افزار SPSS و روش تحلیل عاملی اکتشافی و تحلیل خوشه ای، تجزیه و تحلیل شد. نتایج تحقیق، سه گروه مشتریان آگاه از سلامت، بی علاقه ها و راحت طلبان را براساس سبک تغذیه در رستوران های زنجیره ای شناسایی کرد.
۱۵.

بخش بندی دوهدفه مشتریان با استفاده از داده کاوی (مورد مطالعه: شرکت سیما چوب)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: الگوریتم های فراابتکاری چندهدفه بخش بندی مشتریان داده کاوی

حوزه های تخصصی:
تعداد بازدید : ۱۷۳ تعداد دانلود : ۱۱۳
در بازارهای رقابتی امروزی، با گرایش شرکت ها به سمت مشتری مداری، مدیریت ارتباط با مشتری نیز پیچیده تر شده است. پرسش اصلی مطرح در این زمینه، چگونگی شناسایی مشتریان کلیدی و سودآور شرکت است. به این منظور، شرکت ها کوشیدند تا با بخش بندی مشتریان به گروه های مختلف براساس معیارهایی ویژه، ویژگی های رفتاری آنها را شناسایی و تحلیل کنند. با این کار زمینه ای مناسب برای تخصیص بهینه منابع محدود، به کارگیری راهبرد های مناسب بازاریابی و درنهایت مدیریت سودآوری در کنار مدیریت ارتباط با مشتری فراهم شد. رسالت تحقیق حاضر بخش بندی مشتریان شرکت سیماچوب با هدف به حداکثررساندن ارزش عمر مشتری برای شرکت در کنار سودمندی مشتری است؛ بنابراین، بعد از شناسایی و آماده سازی داده های مسئله با روش داده کاوی، مسئله با دو الگوریتم ژنتیک NSGAII و NRGA حل و سپس نتایج آن تحلیل می شود.
۱۶.

شناسایی و اولویت بندی مشتریان کلیدی بر مبنای ارزش دوره عمر آنها با استفاده از مدل آر. اف. ام. (مطالعه موردی: شرکت مخابرات استان قم)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ارزش دوره عمر مشتری بخش بندی مشتریان مدل آر. اف. ام مدیریت ارتباط با مشتری مشتریان کلیدی

حوزه های تخصصی:
تعداد بازدید : ۱۶۲ تعداد دانلود : ۱۱۴
با رقابتی شدن بازارها و تغییرات پیوسته آن، سازمان ها دریافته اند که مانند گذشته با نظام اقتصادی رو به گسترش و بازارهای در حال رشد روبه رو نیستند؛ بنابراین هر مشتری ارزش ویژه خود را دارد؛ پس می کوشند با حفظ و افزایش وفاداری مشتریان، مزیت های رقابتی خود را افزایش دهند. در این راستا، پژوهش حاضر با هدف شناسایی و اولویت بندی مشتریان کلیدی از بین 37187 مشتری بخش اینترنت شرکت مخابرات استان قم، اجرا شده است. بر اساس این فرایند، پس از تعیین مقادیر آر. اف. ام. (تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله) و وزن هر یک از این شاخص ها بر اساس فرایند تحلیل سلسله مراتبی، مشتریان به روش دومرحله ای خوشه بندی شدند. نتایج به دست آمده زمینه را برای تحلیل ویژگی های مشتریان شرکت در چهار بخش اصلی بدین گونه فراهم کرد که خوشه 2 با کمترین تعداد مشتری و بیشترین ارزش دوره عمر به عنوان مشتریان کلیدی شناسایی شد ، سپس آنها اولویت بندی شدند. در پایان نیز پیشنهادهایی برای بهبود روابط بین مشتریان مد نظر و شرکت مخابرات ارائه شد.
۱۷.

بخش بندی مشتریان صنعت دارو بر اساس مدل RFML(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان داده کاوی صنعت دارو مدل RFML

حوزه های تخصصی:
تعداد بازدید : ۳۲۷ تعداد دانلود : ۱۱۲
در صنعت دارو مدیران بازاریابی و فروش با حجم انبوهی از داده های فروش شرکت های پخش، به داروخانه های مشتری خود مواجه اند. یکی از روش هایی که به آنان در کنترل وضعیت بازار، رقابت با سایر رقبا، برنامه ریزی هر چه بهتر برای افزایش فروش محصولات خود و در نتیجه هدفمند کردن فعالیت های بازاریابی کمک خواهد کرد، آگاهی از بخش بندی های مختلف مشتریان و سیاست گذاری بازاریابی و فروش بر مبنای آن خواهد بود. هدف اصلی این مقاله، کمک به مدیران بازاریابی و فروش صنعت دارو، از طریق تعیین و تحلیل بخش های مختلف مشتریان و ارائه پیشنهاد های متناسب با هر بخش، به منظور حفظ و افزایش خرید آنان به کمک روش های داده کاوی است. در این تحقیق، بر اساس متغیرهای تازگی، تکرار، ارزش پولی و مدت زمان خرید در مدل RFML، داروخانه ها در خوشه های مختلف قرار گرفته و تحلیل شده اند. در نتیجه این بخش بندی، سه دسته داروخانه به نام های: داروخانه های کم خرید و کم سود، با میزان خرید و سود متوسط و وفادار و پُر سود از نظر روند فروش شناسایی شدند و بر اساس این بخش بندی، تحلیل های مربوط به آن ارائه شده است
۱۸.

پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (مورد مطالعه: شرکت گلپخش اول)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان پیش بینی فروش سیستم پیشنهادگر صنعت خرده فروشی فروش آنی

حوزه های تخصصی:
تعداد بازدید : ۳۰۰ تعداد دانلود : ۱۲۵
هدف: طی دو دهه اخیر، داده کاوی به یکی از روش های اصلی بهبود اثربخشی و کارایی صنعت خرده فروشی تبدیل شده و صنعت خرده فروشی نیز به دلیل ماهیت داده های آن، از زمین های بازی مورد علاقه علم داده کاوی بوده است. در این مطالعه به پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (FMCG) با هدف افزایش کمّی و کیفی فروش در مورد مطالعه شرکت گلپخش اول پرداخته شده است. روش: تحقیق حاضر از لحاظ هدف در دسته پژوهش های کاربردی قرار می گیرد و از نظر نحوه گردآوری داده ها، پیمایش داده ای طرح ریزی شده است. مراحل اجرای تحقیق مبتنی بر فرایند CRISP-DM است که از مدل خوشه بندی RFMCL و تکنیک های دسته بندی و پیش بینی رگرسیونی استفاده کرده و در نهایت برای پیشنهاد از روش پیشنهاددهی مشارکتی بهره برده است. یافته ها: حاصل مطالعه یک مدل پیش بینی است که به بهترین مشتریان، کالاهایی را که تا به حال خرید نکرده اند، در تاریخ خاص و به مقدار خاص پیشنهاد داده و بدین ترتیب روش فروش سفارشی را به فروش آنی تغییر می دهد. سیستم نهایی از سه زیر مدل خوشه بندی مشتریان، پیش بینی فروش و زیرسیستم پیشنهادگر تشکیل شده است. در زیرمدل خوشه بندی، مدل جدید RFMCL متناسب با مورد مطالعه توسعه یافته است. در زیرمدل پیش بینی فروش، مدل پنج متغیره ای با استفاده از رگرسیون با دقت MSE/Range 24/2 درصد ایجاد شده است. نتیجه گیری: با پیاده سازی این مدل در شرکت، برنامه ریزی تولید پیش فعالانه شده و فرایند فروش از ویزیتوری به «فروش آنی» تغییر می یابد که این تغییر، صرفه جویی شایان توجهی در حمل و نقل و هزینه های پرسنلی فروش به ارمغان خواهد آورد.
۱۹.

تحلیل اهمیت- عملکرد ویژگی های خدمت بر پایه بخش بندی مشتریان با رویکرد داده کاوی (پژوهشی در بازار خدمات تلفن همراه در استان یزد)(مقاله علمی وزارت علوم)

کلیدواژه‌ها: بخش بندی مشتریان تحلیل اهمیت- عملکرد خدمات تلفن همراه داده کاوی شبکه های عصبی مصنوعی نقشه های خودسازمانده

حوزه های تخصصی:
تعداد بازدید : ۲۶۱ تعداد دانلود : ۱۲۹
در سیستم های مدیریت ارتباط با مشتریان، اهمیت و عملکرد ویژگی های خدمت بسیار حائز اهمیت است. تحلیل اهمیتعملکرد ابزار مؤثری برای اولویت بندی ویژگی های خدمت بر پایه نیاز ها و انتظارهای مشتریان و همچنین شناسایی نقاط قوت و ضعف سازمان در بازار است. در این پژوهش با هدف افزایش اعتبار و کاربرد نتایج به دست آمده از تحلیل اهمیت-عملکرد، ابتدا مشتریان بر پایه ویژگی های جمعیت شناختی و همچنین ادراک شان از عملکرد ویژگی های خدمت بخش بندی می شوند سپس برای هر بخش به صورت جداگانه ماتریس اهمیت- عملکرد ارائه می شود. برای بخش بندی مشتریان از نقشه های خودسازمانده و برای محاسبه ی اهمیت ویژگی ها در هر بخش از شبکه ی عصبی پیشخور چندلایه استفاده شده است. یافته های پژوهش نشان می دهد، مشترکان تلفن همراه در استان یزد را می توان در سه بخش دسته بندی کرد. ماتریس اهمیت- عملکرد ویژگی های خدمت مختص هر یک از این بخش ها نیز شناسایی شده، بر پایه نتایج، پیشنهادهایی به شرکت های ارائه کننده خدمات تلفن همراه ارائه شده است.
۲۰.

ارائه روشی جدید برای بخش بندی مشتریان بر اساس میزان وفاداری آن ها و تعریف راهبردهایی مناسب برای هر بخش(مقاله علمی وزارت علوم)

کلیدواژه‌ها: ارزیابی وفاداری مشتریان بخش بندی مشتریان داده کاوی عمده فروشی مواد غذایی

حوزه های تخصصی:
تعداد بازدید : ۱۴۲ تعداد دانلود : ۹۳
ارزیابی وفاداری مشتریان می تواند درراستای بهبود فرایندهای کسب وکار تأثیر مهمی داشته باشد. روش های معمول ارزیابی وفاداری مشتریان، صرفاً با تکیه بر سه مؤلفه تازگی (R)، تعداد دفعات (F) و ارزش پولی (M) طراحی شده اند. در این پژوهش چند عامل مؤثر دیگر شامل تعداد کالاهای خریداری شده، تعداد کالاهای برگشتی، مبلغ تخفیف و تأخیر در توزیع به تحلیل اضافه شدند و تأثیر هر یک بر بالارفتن کیفیت ارزیابی سنجیده شد. هدف پژوهش ارائه مدلی جدید برای بخش بندی مشتریان براساس میزان وفاداری آنها و تعیین راهبردهایی مناسب برای هر بخش است. مجموعه داده این پژوهش به یکی از عمده فروشی های مواد غذایی اختصاص دارد. داده ها در نرم افزار Clementine و با استفاده از شبکه های عصبی MLP، RBF و الگوریتم K-means تحلیل شدند. نتایج پژوهش نشان می دهد روش پیشنهادی بالاترین سطح دقت را در پیش بینی میزان وفاداری مشتریان دارد. براساس روش پیشنهادی، مشتریان از نظر وفاداری به پنج خوشه (مشتریان وفادار؛ بالقوه؛ جدید؛ از دست رفته و مشتریان روی گردان) تقسیم شدند که ویژگی های هر خوشه براساس وضعیت هفت عامل بیان شد و براساس این ویژگی ها راهبردهای مناسبی برای مدیریت مشتریان هر بخش ارائه شد.