تحلیل RFM

با رقابتی شدن صنعت مخابرات و رشد انتظارات مشتریان همگام با پیشرفت فناوری های ارتباطی، الزام تعیین و تبیین استراتژی های جدید ارتباط با مشتری در این صنعت احساس می شود. از راهکارهای وصول به این منظور، دسترسی به اطلاعات جامع از مشتریان برای شناخت مؤثر آنها است تا بتوان خدمات متناسب با ویژگی های کارکردی و رفتاری هر دسته را برای بهبود مدیریت ارتباط با مشتری ارائه داد. در این مقاله از اطلاعات پرداخت و بدهکاری مشترکین اداره مخابرات استان گیلان، شهرستان رشت در یک دوره شش ماهه استفاده شده است. اطلاعات مشتریان به صورت خاص خوشه بندی و تحلیل RFM شده و پس از شناخت خوشه های مختلف مشتریان و ارزیابی خوشه بندی بهینه آنها، با استفاده از ماتریس سودآوری وفاداری، از میان خوشه بندی های صورت گرفته، دسته بندی مشتریان هر خوشه انجام شده است. در این پژوهش، داده های مشتریان بر اساس روش تحلیل RFM انتخاب و دسته بندی شده و سپس با استفاده از الگوریتم خوشه بندی K-Means، سه خوشه عمده از مشتریان شناسایی شده اند و بر اساس ویژگی های رفتاری و الگوی مصرف هر خوشه، بسته پیشنهادی خدمات به آنها ارائه شده است. این بسته به منظور بهینه سازی مدیریت ارتباط با مشتری و ارائه خدمات بهتر در جهت افزایش ارزش حیات مشتری ارائه شد.

با توجه به اینکه در سال های اخیر ارتباط دو طرفه سازمان ها با مشتریانشان به صورت محسوسی تغییر کرده، تداوم کسب و کار هیچ گونه تضمین بلند مدت ندارد. لذا سازمان ها به جهت حفظ توانایی رقابت در این بازار نامطمئن، میبایست مشتریان خود را به خوبی شناسایی، نیاز ها و خواسته های آن ها را پیش بینی نموده و با مجهز شدن به این اطلاعات و ارائه استراتژی های بازاریابی کارآمد در جهت حفظ و بقای خود تلاش نمایند. با توجه به اهمیت و سهم بالای درآمد بنادر ایران در اقتصاد داخلی و وجود رقابت شدید بین بنادر منطقه، ضرورت شناسایی مشتریان کلیدی و تعیین نیازها و خواسته های آنها برای سازمان بنادر و دریانوردی بیشتر از گذشته احساس می گردد.از سوی دیگر داده کاوی که علم تجزیه و تحلیل داده ها است به عنوان پل ارتباطی بین قسمت هایی از داده معرفی می شود. در همین خصوص ابزارهایی در داده کاوی مانند خوشه بندی و طبقه بندی وجود دارند که شرایط لازم برای ارائه خدمت مورد نظر به مشتریان خوشه هدف و برقراری ارتباط تنگاتنگ با آن ها را برای سازمان ایجاد می نماید. در این پژوهش تحلیل RFM روی داده های پردازش شده 595 مشتری سازمان بنادر در طول یکسال انجام و فرایند خوشه بندی با استفاده از خروجی تحلیل RFM و دو الگوریتم خوشه بندی K - means و SOM انجام می گردد که به منظور تعیین تعداد بهینه خوشه ها از شاخص سیلوئت استفاده می گردد (12 خوشه تعیین گردید). در انتها کیفیت خوشه ها با استفاده از معیار انحراف معیار داده های درون خوشه ها ارزیابی و نتایج به دست آمده از دو روش مقایسه می گردد. با توجه به اینکه کیفیت خوشه های حاصل از الگوریتم SOM بهتر از k-means می باشد بر اساس خوشه های به دست آمده از الگوریتم SOM بدین ترتیب مشتریان کلیدی و با ارزش مشخص می گردد. بر اساس تجزیه و تحلیل نتایج مشخص گردید مشتریان خوشه های 9 و 12 منتج از الگوریتم SOM با دارا بودن الگوی ↑ M ↑ F ↑ R بیشترین ارزش و وفاداری را برای سازمان بنادر دارند و مهمترین مشتریان سازمان بنادر محسوب می شوند و مشتریان خوشه نخست منتج از الگوریتم SOM با دارا بودن الگوی ↓ M ↓ F ↓ R کمترین میزان ارزش و وفاداری را برای سازمان بنادر دارند.