25056

بخش‌بندي مشتريان براساس مدل آر اف ام به ازاي هر محصول به كمك روش كي-مينز – مطالعه‌ي موردي يك شركت توليد كننده‌ي قطعات خودرو

كارشناسي ارشد

مهندسي صنايع

1396

1399/10/04

دكتر رسول نورالسناء

مديريت اقتصاد و مهندسي پيشرفت

داده‌كاوي، به عنوان ابزاري براي استخراج دانش از داده، در زمينه‌ي مديريت ارتباط با مشتري كاربرد بسيار زيادي دارد. يكي از روش‌هاي بهبود ارتباط با مشتري، تمركز بر نقطه نظر مشتري، رفتار شخصي با او و ارائه‌ي خدمات و محصولات شخصي‌سازي شده به او است. اما به دليل تعدد مشتريان و تنوع رفتار و نياز‌هاي آن‌ها، روشي براي كاهش تعداد سناريو‌هاي احتمالي ضروري است. رايج است كه در فضاي كسب و كار اين كاهش سناريو به كمك فرآيندي به نام بخش‌بندي بازار يا بخش بندي مشتريان انجام شود. با وجود اينكه بازاريابي و مديريت ارتباط با مشتري مدرن بيش از پيش بر رفتار مشتري متمركز است، تمركز بر محصولات و نحوه‌ي واكنش مشتري به هر محصول نبايد ناديده گرفته شود. در اين پژوهش روشي براي بخش‌بندي مشتريان پيشنهاد مي‌شود كه در آن وفاداري مشتريان بر اساس مدل RFM به ازاي هر دسته محصول كمي سازي شده، مشتريان مطابق با آن به كمك روش K-means خوشه‌بندي مي‌شوند و در نهايت براي هر دسته محصول بخش‌هاي مختلف مشتريان تعيين مي‌شود و به آن‌ها برچسب تعلق مي‌گيرد. مدل پيشنهاد شده براي بخش‌بندي مشتريان يك شركت توليد كننده‌ي قطعات خودرو به كار گرفته شده است. نتايج خوشه‌بندي از لحاظ ساختاري به كمك مجموع مربعات، از لحاظ بهينگي تعداد خوشه به كمك عرض سيلوئت، و از لحاظ تطابق با واقعيت به كمك نظر خبره اعتبارسنجي شده و پيشنهادات مديريتي جهت بهبود سيستم مديريت ارتباط با مشتري ارائه شده است. در نتيجه‌ي اين تحقيق مشتريان ارزش‌مند براي هر دسته از محصولات شركت مورد مطالعه شناسايي شدند تا مورد توجه شركت قرار گيرند و همچنين استراتژي‌هايي براي تبديل مشتريان ديگر به مشتريان وفادار و ارزش‌مند ارائه شد.

1400/04/21

Customer Segmentation based on RFM Per Product Using K-means Clustering: An Automotive Parts Manufacturer Case Study

1/1/1900 12:00:00 AM

Data mining, as a tool for extracting knowledge from data, has various applications in customer relationship management. One of the methods for improving relationships with customers is focusing on the customers’ perspective, treating them in a personal manner and providing them with presonalized goods and services. Since there are several customers with various needs and characteristics, a method for reducing the number of possible scenarios is necessary. Customer segmentation, or market segmentation is a common method for scenario reduction in the business environment. Although modern marketing and customer relationship management is moving towards more and more focus on customers’ behavior, focusing on the product and the customer’s reaction to it should not be overlooked. In this research, a method for customer segmentation is proposed in which the loyalty of the customer is quantified using the RFM per product model, the customers are then devided into different clusters using K-means clustering method and as a result different segments of the customer base are identified and labeled for each product category. The proposed model is used for customer segmentation in an automotive parts manufacturing company. The results are validated using sum of squares in terms of clustering structure, using Silhouette width in terms of the optimal number of clusters, and using expert views in terms of accordance with reality. Then, management tips are proposed to improve the performance of the customer relationship management system. As a result of this study, the valuable and loyal segments of the customers are identified for each product category in order to be considered by the company. Also, strategies are proposed to convert other segments of the customer base into loyal and valuable customers.

، بخش بندي مشتريان، داده كاوي، خوشه بندي، مديريت ارتباط با مشتري، مدل تازگي تكرار حجم پولي به ازاي هر محصول، توليدي قطعات خودرو

. Customer Segmentation, Data Mining, K-means Clustering, Customer Relationship Management, RFM Per Product Model, Automotive Parts Manufacturer