چکیده:
ارزیابی وفاداری مشتریان میتواند درراستای بهبود فرایندهای کسبوکار تأثیر مهمی داشته باشد. روشهای معمول ارزیابی وفاداری مشتریان، صرفا با تکیه بر سه مؤلفۀ تازگی (R)، تعداد دفعات (F) و ارزش پولی (M) طراحی شدهاند. در این پژوهش چند عامل مؤثر دیگر شامل تعداد کالاهای خریداریشده، 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 ارائۀ مدلی جدید برای بخشبندی مشتریان براساس میزان وفاداری آنها و تعیین راهبردهایی مناسب برای هر بخش است. مجموعۀ دادۀ این پژوهش به یکی از عمدهفروشیهای مواد غذایی اختصاص دارد. دادهها در نرمافزار Clementine و با استفاده از شبکههای عصبی MLP، RBF و الگوریتم K-means تحلیل شدند. نتایج پژوهش نشان میدهد روش پیشنهادی بالاترین سطح دقت را در پیشبینی میزان وفاداری مشتریان دارد. براساس روش پیشنهادی، مشتریان از نظر وفاداری به پنج خوشه (مشتریان وفادار؛ بالقوه؛ جدید؛ ازدسترفته و مشتریان رویگردان) تقسیم شدند که ویژگیهای هر خوشه براساس وضعیت هفت عامل بیان شد و براساس این ویژگیها راهبردهای مناسبی برای مدیریت مشتریان هر بخش ارائه شد.
خلاصه ماشینی:
يکي از روش هاي ارزيابي وفاداري مشتريان ، استفاده از مدل RFM اسـت ؛ امـا بـا توجـه بـه نتايج پژوهش هاي پيشين اين مدل به صورت کامل و دقيق نمي تواند ميزان وفاداري را مشـخص کند.
در اين پژوهش براساس مجموعة داده هاي مختص به مطالعة مـوردي ، بـر توسـعة RFM و بخش بندي مشتريان براساس اين روش هاي توسعه يافته تمرکز شده است که براساس آن چهـار عامل تعداد کل کالاهاي خريداري شده ، تعداد کل کالاهاي برگشتي ، مبلغ کل تخفيف و ميانگين تأخير توزيع ، به پارامترهاي RFM اضافه شده اند.
روش هاي پيشنهادي براي ارزيابي وفاداري مشتري متغير شاخص RFMG RFM +تعداد کل کالاهاي خريداري شده RFMT RFM + تعداد کل برگشتي RFMS RFM +مبلغ کل تخفيف RFMD RFM +ميانگين تأخير توزيع RFMGT RFM +تعداد کل کالاها+ تعداد کل برگشتي RFMGS RFM +تعداد کل کالاها + مبلغ کل تخفيف RFMGD RFM + تعداد کل کالاها + ميانگين تأخير توزيع RFMTS RFM +تعداد کل برگشتي + مبلغ کل تخفيف RFMTD RFM +تعداد کل برگشتي + ميانگين تأخير توزيع RFMSD RFM +مبلغ کل تخفيف + ميانگين تأخير توزيع RFMGTS RFM +تعداد کل کالاها + تعداد کل برگشتي + مبلغ کل تخفيف RFMGTS RFM +تعداد کل کالاها + تعداد کل برگشتي + ميانگين تأخير توزيع RFMGSD RFM +تعداد کل کالاها + مبلغ کل تخفيف + ميانگين تأخير توزيع RFMTSD RFM +تعداد کل برگشتي + مبلغ کل تخفيف + ميانگين تأخير توزيع RFMGTSD RFM +تعداد کل کالاها + تعداد کل برگشتي + مبلغ کل تخفيف + ميانگين تأخير توزيع پياده سازي و تست نتايج مشتريان از نظر ميزان وفاداري با استفاده از الگوريتم K-means براساس مـدل توسـعه يافتـه بـا بيشترين دقت ، بخش بندي شده اند.
پيشنهاد مي شود در پژوهش هاي آينده براي ارزيابي ميزان وفاداري مشتريان و بخـش بنـدي آنها براساس مدل RFM بين الگوريتم هاي مختلف شبکة عصبي از الگوريتم MLP-Boosting استفاده شود؛ چراکه کمترين خطا و بيشترين سطح دقت را دارد.