بخش بندی مشتری

بانک ها به منظور ارائه خدمات الکترونیکی به مشتریان خود نیازمند شناسایی و تحلیل رفتار آن ها هستند. تکنیک های داده کاوی می توانند در حجم زیاد داده های مشتریان به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی کمک کنند. مسئله اصلی، چگونگی به کارگیری تکنیک های داده کاوی و مدل تحلیل RFM در شناسایی و تحلیل رفتار مشتریان در بخش بندی و طبقه بندی و انتخاب گروه هایی از مشتریان ارزشمند است. مدل پیشنهادی در این مقاله بر مبنای فرایند استاندارد CRISP در داده کاوی بوده و در آن بعد از آماده سازی و پیش پردازش داده ها، دو رویکرد مطرح می شود. 1. بخش بندی مشتریان به کمک خوشه بندی و محاسبه ارزش هر مشتری در خوشه ها و رتبه بندی آن ها برای پیدا کردن ارزشمندترین خوشه ها. 2. امتیازدهی وتعیین ارزش مشتری به عنوان ویژگی هدف در ساخت مدل های طبقه بندی میزان ارزش مشتریان. از مجموعه داده جمعیت شناختی و تراکنشی مشتریان برای آموزش و تست مدل پیشنهادی استفاده شد. نتایج نشان می دهد که به کارگیری مدل پیشنهادی می تواند مشتریان را بر اساس رفتار آن ها شناسایی و تحلیل نموده و به بخش بندی و طبقه بندی آن ها بپردازد تا پشتیبانی از تصمیمات برنامه های بازاریابی و ارتقا آن انجام شود.

به همان میزان که پارادیم بازاریابی تکامل پیدا می کند، توجه به روابط بلندمدت با مشتری نیز اهمیت می یابد. امروزه غالب شرکت ها و مؤسسات در سطح جهان، اعم از تولیدی و خدماتی به طور فزاینده ای درآمدهای خود را از راه ایجاد و حفظ رابطه بلندمدت با مشتریان خود کسب می کنند. حرکت به سمت بازاریابی مشتری- محور همراه با افزایش دسترسی به اطلاعات و تراکنش های مشتریان موجب علاقه شدید به اندازه گیری و تخمین ارزش بلندمدت مشتری (CLV) شده است. بعلاوه همان طور که بازاریابی تلاش می کند تا بیشتر پاسخگو باشد، نیاز به ابزارهای اندازه گیری و مدل هایی برای ارزیابی تلاش ها و سرمایه گذاری های صورت گرفته در حوزه بازاریابی نیز احساس می شود. هدف این تحقیق تجزیه و تحلیل ارزش بلندمدت مشتری برای بخش بندی و مدیریت سودآوری مشتریان می باشد. در این تحقیق چارچوبی برای اندازه گیری و محاسبه ارزش بلندمدت مشتریان در حوزه بانکداری معرفی می شود. مورد مطالعه در تحقیق حاضر یکی از بانک های تجاری ایران است. برای این منظور حساب های قرض الحسنه پس انداز یکی از شعب بانک برای مدت 4 سال، از سال 1384 تا 1387، انتخاب و مبنای تحلیل و اجرای چارچوب مورد نظر قرار گرفته است. در این تحقیق نمونه ای شامل10000 مشتری را انتخاب شده است. پس از محاسبه CLV مشتریان به بخش بندی آنها بر اساس CLV محاسبه شده پرداخته شده است. برای بخش بندی از تکنیک خوشه بندی بهره گرفته می شود. الگوی فوق یک رویکرد جدید در زمینه بخش بندی مشتریان می باشد. در ادامه به مدیریت سودآوری مشتریان بر اساس بخش بندی انجام گرفته پرداخته می شود. در این بخش بر مبنای مدل های ارائه شده در تحقیق برای هر یک از دسته های معرفی شده مشتریان، برنامه ها و روش هایی پیشنهاد می شود.

بخش بندی مشتریان یکی از مباحث اصلی و کلیدی در مطالعات مدیریت ارتباط با مشتری محسوب می شود. یکی از چالش های مهم در بخش بندی مشتریان، ناپایداری و تغییرات بخش های مشتریان در طول زمان است. تغییرات بخش ها را می توان در دو دسته تغییرات محتوایی و ساختاری دسته بندی کرد. این پژوهش بر تغییرات ساختاری بخش ها که اهمیت زیادی دارد، تمرکز کرده است. به منظور تحلیل تغییرات ساختاری بخش ها و توصیف چگونگی این تغییرات، روش ترکیبی جدیدی مبتنی بر روش های خوشه بندی و قوانین باهم آیی ارائه شده و در داده های یکی از سرویس دهنده های معتبر خدمات مخابراتی ایران به کار گرفته شده است. براساس نتایج، تغییرات ساختاری در قالب دو دسته تغییرات دوره ای و تغییرات دارای روند دسته بندی و بررسی شده است. نتایج بیانگر آن است که روند رو به رشدی در ایجاد بخش جدید در این شرکت شکل گرفته است. نتایج، مدیران بازاریابی را به سمت دانش مفیدی برای ارائه کاراتر تصمیم های بازاریابی هدایت می کند.