مدلسازی ترکیبی Pareto/NBD و RFM موزون فازی بهمنظور بخشبندی مشتریان در روابط غیرقراردادی
Authors
Abstract:
درآمدسازی در شرکتها از طریق ایجاد رابطه با مشتریان و حفظ این روابط در درازمدت صورت میپذیرد. از این رو توانایی پیشبینی مناسب روابط با مشتریان نکتهای اساسی در مدیریت رابطه با مشتریان است. بخشبندی روشی است که طی آن با تفکیک مشتریان به بخشهای متجانس با رفتار خرید مشابه، تلاش میشود تا ارزش آتی رابطه با مشتریان پیشبینی شود. روش RFM یکی ازمتداولترین روشهای بخشبندی است که از تحلیل پایگاه دادۀ تراکنشی برای ردهبندی ارزش مشتریان استفاده میکند. پژوهش حاضر تلاش دارد تا از ترکیب مدلسازی Pareto/NBD ـ که به مدلی قدرتمند در پیشبینی رفتار مشتریان مشهور است ـ با روش معمول RFM، کیفیت بخشبندی مشتریان را ارتقا بخشد. در این پژوهش از روش Pareto/NBD برای تخمین سه مؤلفۀ مقدار انتظار احتمال فعالیت آتی، تعداد تراکنشهای آتی و متوسط ارزش پولی استفاده شده است. سپس نتایج بخشبندی مشتریان با استفاده از این مؤلفهها با کاربرد روش مرسوم RFM مقایسه شده است. نتایج حاصل بیانگر بهبود کیفیت بخشبندی در ردهبندی ارزش آتی مشتریان، بهویژه در ردههای ارزشمند مشتری با کمک رویکرد پیشنهادی است.
similar resources
مدلسازی ترکیبی pareto/nbd و rfm موزون فازی بهمنظور بخش بندی مشتریان در روابط غیرقراردادی
درآمدسازی در شرکت ها از طریق ایجاد رابطه با مشتریان و حفظ این روابط در درازمدت صورت می پذیرد. از این رو توانایی پیش بینی مناسب روابط با مشتریان نکته ای اساسی در مدیریت رابطه با مشتریان است. بخش بندی روشی است که طی آن با تفکیک مشتریان به بخش های متجانس با رفتار خرید مشابه، تلاش می شود تا ارزش آتی رابطه با مشتریان پیش بینی شود. روش rfm یکی ازمتداول ترین روش های بخشبندی است که از تحلیل پایگاه داد...
full textکاربرد درختهای تصمیم در مدلسازی رفتار رویگردانی مشتریان (مطالعه موردی در صنایع غیرقراردادی)
برای تداوم حیات و حفظ مزیت رقابتی در بازارهایی با رقابت روزافزون و فزاینده، بسیاری از سازمانها به سمت بازاریابی رابطهای با تمرکز بر حداکثرکردن ارزش دوره عمر مشتریان خود و مدیریت رویگردانی مشتریان روی آوردهاند. در واقع تعداد بیشتری از سازمانها متوجه شدهاند که گرانبهاترین سرمایه آنها پایگاه مشتریان فعلیشان است. نگهداری مشتریان یک استراتژی ارزشمند است که سودآوری بلندمدت و موفقیت سازمانها ...
full textبررسی و خوشهبندی مشتریان، بر اساس مدل RFM و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی
این تحقیق بررسی و خوشهبندی مشتریان ،بر اساس مدل RFM و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی میپردازد. جامعه آماری.گروه اول، جهت تعیین وزن شاخصهای R, F, M ، 18 نفر از خبرگان بانک ملت استان مازندران هستند وگروه دوم جهت خوشهبندی مشتریان بر اساس مدل RFM و با استفاده از دادههای اسنادی بانک مشتریان ،اصناف و فروشگاههایی که دارای POS)) بانکی میباشند. روش تجزیه و تحلیل دادهها تکنیک تحلی...
full textVisualizing RFM Segmentation
Segmentation based on RFM (Recency, Frequency, and Monetary) has been used for over 50 years by direct marketers to target a subset of their customers, save mailing costs, and improve profits. RFM analysis is commonly performed using the Arthur Hughes method, which bins each of the three RFM attributes independently into five equal frequency bins. The resulting 125 cells are depicted in a tabul...
full textبخشبندی دوهدفه مشتریان با استفاده از دادهکاوی (مورد مطالعه: شرکت سیما چوب)
در بازارهای رقابتی امروزی، با گرایش شرکتها به سمت مشتریمداری، مدیریت ارتباط با مشتری نیز پیچیدهتر شده است. پرسش اصلی مطرح در این زمینه، چگونگی شناسایی مشتریان کلیدی و سودآور شرکت است. بهاینمنظور، شرکتها کوشیدند تا با بخشبندی مشتریان به گروههای مختلف براساس معیارهایی ویژه، ویژگیهای رفتاری آنها را شناسایی و تحلیل کنند. با این کار زمینهای مناسب برای تخصیص بهینة منابع محدود، بهکارگیری ر...
full textارائه روشی برای بخشبندی مشتریان با استفاده از مدل RFM در شرایط عدم قطعیت
The purpose of this study is presentation a method for clustering bank customers based on RFM model in terms of uncertainty. According to the proposed framework in this study after determination the parameter values of the RFM model, including recently exchange (R), frequency exchange (F), and monetary value of the exchange (M), grey theory is used to eliminate the uncertainty and customers are...
full textMy Resources
Journal title
volume 6 issue 3
pages 417- 440
publication date 2014-09-23
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023