علي طيبي

Segmentation an‎d Analysis of Hamrah Aval Customers Using the RFM Model an‎d Clustering

در اين پايان‌نامه، مسئله‌ي بخش‌بندي مشتريان كلان در يك شركت مخابراتي با هدف ارائه بينش‌هاي عملياتي براي بهبود نگهداري مشتري و افزايش سودآوري مورد بررسي قرار گرفته است. اهميت موضوع از آن‌روست كه مشتريان سازماني سهم قابل‌توجهي از درآمد دارند و الگوهاي رفتاري آن‌ها از مشتريان خرد متمايز است. پژوهش حاضر با هدف ارائه يك روش تحليلي تركيبي و بومي‌شده، از داده‌هاي واقعي سازماني شامل مشخصات شركت و ويژگي‌هاي عملياتي و مالي مانند تعداد سيم‌كارت‌ها، تاريخ فعال‌سازي و مقادير مالي بهره مي‌برد. با استفاده از يك رويكرد تركيبي ابتدا استخراج و محاسبه معيارهاي معادل RFM متناسب با زمينه‌ي مشتريان كلان انجام شد. با توجه به محدوديت دسترسي به ركوردهاي تراكنشي كامل، شاخص‌هاي RFM براي محيط B2B به‌صورت بومي‌شده تعريف شد: Recency بر پايه زمان/شاخص‌هاي پرداختي (ميانگين مبلغ 3ماهه در صورت عدم وجود ركورد آخرين تراكنش)، Frequency بر پايه طول دوره همكاري (سال‌هاي فعال) و Monetary بر اساس شمار سيم‌كارت‌هاي فعال تعبير گرديد. اعتبار اين پروكسي‌ها از طريق تحليل همبستگي و آزمون حساسيت بررسي شده است. در مرحله بعد اجراي خوشه‌بندي بدون‌نظارت بر مجموعه‌اي از ويژگي‌هاي عملياتي و مالي با استفاده از الگوريتم‌ K-Means انجام شد. در نهايت از توزيع و ويژگي‌هاي RFM مربوطه به هر خوشه براي تفسير مفهومي آن‌ خوشه استفاده شد. نتايج تجزيه‌وتحليل نشان داد كه رويكرد تركيبيِ «خوشه‌بندي سپس نگاشت RFM» قادر است ساختارهاي رفتاري معناداري در ميان مشتريان سازماني آشكار سازد. در حل مسئله مورد مطالعه، چهار خوشه‌ي متمايز استخراج شد كه هر يك ويژگي‌هاي رفتاري و اقتصادي متفاوتي داشتند: خوشه‌اي كه تمركز بر مشتريان باارزش و رشدپذير دارد كه فعال بوده و داراي تعداد سيم‌كارت‌ بالا و مصرف مالي بزرگمي‌باشند، خوشه بزرگ و كم‌مصرف با سابقه طولاني، خوشه داراي حساب‌هاي مقياس بالا و خوشه‌ي مشتريان به خواب رفته. نگاشت مقادير RFM بر هر خوشه اين امكان را فراهم آورد تا براي هر دسته پروفايل عملياتي روشن و قابل‌تفسير تعريف شود. نتايج اين پژوهش به تحليلگران و تيم‌هاي بازاريابي شركت‌ها خصوصاً در زمينه مخابراتي كمك مي‌كند تا با وجود داده‌هاي محدود بتوانند نهايت بهره را در جهت جذب و ياافزايش رضايت مشتري ببرند.

RFM , Customer segmentation , K-Means