ارایه الگوی دسته بندی مشتریان با رویکرد داده کاوی ترکیبی( مورد مطالعه صنعت محصولات بهداشتی و آرایشی)

محورهای موضوعی : مدیریت کسب و کار

امید بشردوست ¹ (گروه مدیریت، واحد رودهن، دانشگاه آزاد اسلامی ، رودهن، ایران)
عزت اله اصغری زاده ² (گروه مدیریت، دانشکده مدیریت، دانشگاه تهران، تهران، ایران)
محمدعلی افشار کاظمی ³ (گروه مدیریت صنعتی، واحد تهران مرکزی، دانشگاه آزاداسلامی ، تهران، ایران)

تاریخ دریافت : 1399/12/17 تاریخ پذیرش : 1400/01/10 تاریخ انتشار : 1400/04/01

کلید واژه: خوشه بندی, داده کاوی, بخش بندی, الگوهای رفتار خرید, WRFM,

چکیده مقاله :

با توجه به حجم انباشته شده اطلاعات خرید مشتریان و پیچیدگی رقابت در عصر حاضر اهمیت ایجاد بستری برای تحلیل داده‌های به روز ودقیق مشتریان، باهدف ایجاد ارتباط‌های مؤثر با مشتریان فعلی و وفادار، بیش از پیش برای سازمان‌ها به عنوان یک مزیت رقابتی جلوه‌گر شده است. هدف این پژوهش بررسی الگوهای رفتاری خرید مشتریان محصول‌های بهداشتی به منظور دسته‌بندی آنها براساس مدل WRFMبا استفاده از روش‌های ترکیبی داده‌کاوی است. از میان مشتریان استان تهران که در بازه سالهای 1396- 1397 از شرکت خرید داشته اند از پایگاه داده های مشتریان 65534 نمونه، با روش نمونه گیری هدفمند در دسترس جمع آوری شده و به کمک SPSS مقدار RFM موزون با توجه به نظر خبرگان صنعت مشخص و سپس این فیلد به دیگر داده های پژوهش اضافه شده و توسط نرم افزار داده‌کاوی کلمنتاین بر اساس70 درصد داده ها، خوشه بندی مشتریان صورت گرفته است؛ همچنین به منظور بررسی کیفیت خوشه‌بندی از معیارهای امتیازجینی، درصد خطا، اطلاعات متقابل نرمال‌شده (NMI) استفاده شده است. نتایج پژوهش حکایت ازکارایی بالای روش خوشه‌بندی Kمیانگین با تعداد چهارخوشه با درصد خلوص (0/761)، برای بخش بندی مشتریان داشته است

چکیده انگلیسی:

Due to the accumulated volume of customer purchasing information and the complexity of competition in the present era, the importance of creating a platform for analyzing up-to-date and accurate customer data, with the aim of creating effective relationships with current and loyal customers, more than ever for organizations as It has become a competitive advantage. The purpose of this study was to investigate the behavioral patterns of customers buying Hygienic Products in order to classify them based on the WRFM using data mining methods. 65534 samples were collected from the company databases in the period of 1396-1397 among the customers of Tehran province by the available purposeful sampling method, also with the help of SPSS, the amount of WRFM determined according to the opinion of industry experts and then this field had been to other fields in the research and using Clementine software, customers clustering has been done according to 70% of the data; also, in order to evaluate the quality of clustering, the criteria of Gini Score, error percentage, and normalized mutual information were used. The results indicate the high efficiency of the K-Means clustering method with the number of four clusters with purity percentage (0.761) for customer segmentation.