پایان نامه ارائه و مقایسه سه مدل دو مرحله‌ای برای بخش‌ بندی مشتریان براساس ارزششان با استفاده از ابزارهای داده‌ کاوی K-Means، SOM و RFM (مطالعه موردی: فروشگاه‌ های زنجیره‌ ای مرکز اپل ایران)

پایان نامه جهت اخذ درجه کارشناسی ارشد رشته مهندسی صنایع

مهر 1391

شناسایی ارزش[1] مشتریان، از مولفه‌های اصلی موفقیت در فروشگاه‌ های مختلف می‌باشد که امروزه مورد توجه بیش از پیش قرار گرفته است. فروشگاه‌های زنجیره‌ای[2]، با گروه‌های مختلفی از مشتریان در ارتباط هستند و با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه‌بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش­­تر اختصاص دهند و سود بیشتری کسب نمایند. از این رو از تکنیک‌های داده‌کاوی[3] برای بخش‌بندی مشتریان استفاده می‌نماییم، تحقیقات زیادی در این زمینه‌ی انجام شده است. بسیاری از این تحقیقات از  مدل RFM [4] برای بخش‌بندی[5] مشتریان استفاده کرده‌اند. این مدل شامل سه شاخص تاخر، تکرر و ارزش پولی برای تحلیل رفتار خرید مشتریان است و می‌تواند نمایانگر ارزش رفتاری مشتری باشد. در این پژوهش متدولوژی جامعی شامل سه مدل بخش‌بندی بر مبنای توسعه مدل RFM و SOM[6] و K میانگین[7] ارائه شده و همچنین برای شناسایی مشتری، داده‌های تراکنشی و جمعیت‌شناختی مورد بررسی قرار گرفته است. مدل‌های پیشنهادی در فروشگاه‌های زنجیره‌ای مرکز اپل ایران[8] پیاده‌سازی شدند و تعداد 347 مشتری مورد بررسی قرار گرفتند. برای داده‌های معاملاتی، تراکنش‌های ثبت شده در مرکز اطلاعات فروشگاه مورد استفاده قرار گرفت و داده‌های جمعیت‌شناختی نیز به صورت تلفنی از تک تک مشتریان پرسیده شد. این مشتریان با هر سه مدل مختلف بخش‌‌بندی شدند و در نهایت این مدل‌ها با شاخص دیویس بولدین و مجموع مربعات خطا[9] مورد ارزیابی و مقایسه قرار گرفتند. بر اساس شاخص دیویس بولدین مدل اول کارایی بهتری را در این مطالعه موردی از خو نشان داده است، اما بر اساس معیار مجموع مربعات خطا مدل دوم کارایی بهتری دارد و این تفاوت به دلیل ماهیت این دو معیار است.

واژگان کلیدی: فروشگاه زنجیره‌ای، بخش‌بندی مشتریان، ارزش مشتریان، داده‌ کاوی، RFM، SOM،K  میانگین  

مقدمه

     تغییر در عادات خرید مصرف‌کنندگان و فن‌آوری‌های در حال ظهور تحول سنگینی را در سراسر صنعت خرده‌فروشی بوجود آورده است. مصرف‌کنندگان با روشی که امروزه زندگی می‌کنند، در حال به چالش کشیدن این صنعت هستند. به پشتیبانی فن‌آوری‌های در حال ظهور، مصرف‌کنندگان بیش از همیشه بر روی قیمت و راحتی، متمرکز شده‌اند. از این رو، خرده‌فروشان باید قادر به متمایز ساختن واضح خود از رقبایشان با خدمات عالی به مشتریان، که توسط فن‌آوری امکان‌پذیر است، باشند. توجه به این امر برای جلوگیری از کاهش مشتری مهم است، زیرا هزینه دستیابی به مشتریان جدید نسبت به حفظ آنها بسیار بالاتر است. کلید زنده ماندن در این صنعت رقابتی، درک و شناخت بهتر مشتریان می‌باشد. یکی از روش‌های مورد استفاده برای درک مشتریان و شناسایی گروه‌های همگن، بخش‌بندی مشتریان است. بخش­بندی مشتریان مسئله قابل توجه­ای در وضعیت تجاری رقابتی امروز است. مطالعات بسیاری کاربرد تکنولوژی داده‌کاوی را در بخش­بندی مشتریان بررسی کرده­اند و به تاثیراتش دست یافته­اند. روش داده‌کاوی، کمک فوق العاده‌ای به محققان برای استخراج دانش و اطلاعات پنهانی داده­ها می‌کند. تجزیه و تحلیل مشتری که لازمه بخش‌بندی است، فروشگاه‌ها را قادر می‌سازد که با رفتار مشتریان هماهنگ‌تر باشند. علاوه بر این بخش‌بندی می‌تواند با برجسته­کردن نیازهای برنامه­های بازاریابی و گروه‌های مشتریان خاص، وضوح بیشتری را در فرآیند برنامه‌ریزی ایجاد کند.

     در فصل اول این پژوهش، به ارائه کلیات تحقیق، بیان مسئله، ضرورت انجام آن و سوالات تحقیق پرداخته خواهد شد. متدولوژی و مدل‌های پیشنهادی نیز در غالب نمودار ارائه گردیده است.

     در فصل دوم سوابق پژوهشی و ادبیات نظری تحقیق مطرح شده است. مقالات منتشر شده در زمینه بخش‌بندی و ادبیات آن مورد بررسی قرار می‌گیرد همچنین الگوریتم های موجود جهت بخش‌بندی مشتریان و کاربرد آن در صنایع مختلف بیان شده است.

     در فصل سوم روش تحقیق مطرح شده است. شیوه جمع آوری داده‌ها، جامعه آماری و روش نمونه‌گیری بیان شده در پایان نیز مدل‌های جدید ارائه شده تشریح گردیده است.

     در فصل چهارم، نتایج عددی حاصل از پیاده‌سازی مدل در فروشگاه‌های زنجیره‌ای مرکز اپل ایران شرح داده شده و مراحل پیاده سازی مدل‌های پیشنهادی در این فروشگاه زنجیره‌ای تشریح گردیده است.

     در فصل پنجم مقایسه‌ی مدل‌ها و نتایج حاصل از پژوهش عنوان شده است. به سوالات مطرح شده پاسخ داده شده و بازخورد از خبرگان در مورد نتایج و یافته‌های پژوهش نیز مطرح می‌شود همچنین محدودیت‌های پژوهش بیان گردیده و در پایان پیشنهاداتی برای پژوهش‌های آتی ارائه شده است.

فصل اول:

کلیات تحقیق

فصل اول: کلیات تحقیق

1-1 مقدمه

     در فصل اول این پژوهش، به ارائه کلیات تحقیق، بیان مسئله و ضرورت انجام آن و سوالات تحقیق پرداخته خواهد شد. متدولوژی و مدل‌های پیشنهادی نیز در غالب نمودار ارائه گردیده است.

1-2 ضرورت انجام تحقیق

     شرکت‌ها در هر کسب و کاری، با گروه‌های مختلفی از مشتریان در ارتباط هستند. از این رو با توجه به منابع محدود، آنها باید مشتریان را بر اساس ارزششان رتبه‌بندی کنند تا بخش مناسبی از منابع بازاریابی را به مشتریان با ارزش­­تر اختصاص دهند و سود بیشتری کسب نمایند.

     با وجود این رقابت بالا، شرکت‌ها باید سعی در جذب مشتریان جدید و حفظ مشتریان با ارزش‌تر، با فعالیت‌های ارزش افزوده باشند. مدیریت ارتباط با مشتری، ارتباط شرکت با مشتری را برای رسیدن به سود بیشتر بهبود می‌بخشد (طبائی و فتحیان[1]، 2011). شرکت‌ها بسیاری از اطلاعات ارزشمند در مورد مشتریان و تجارب خرید گذشته­شان را دارند. استفاده از این اطلاعات به آنها کمک می­کند تا به بررسی منافع ، رضایت و وفاداری مشتری بپردازند. از این رو با استفاده از تکنیک داده‌کاوی و بخش­بندی مشتریان به گروه‌های مختلف، شرکت‌ها می‌توانند استراتژی‌های بازاریابی سودآوری داشته باشند.

1-3 بیان مسئله

     موضوع ارزش مشتری یک مسئله مهم در مدیریت ارتباط با مشتری است و روش­های متعددی برای پیدا کردن آن وجود دارد. در این تحقیق به ارائه یک متدولوژی جامع شامل سه مدل دو مرحله‌ای برای بخش‌بندی مشتریان بر اساس ارزش آنها می‌پردازیم. در این متدولوژی از دو پایگاه داده، شامل پروفایل شخصی مشتریان[2] و داده‌های معاملاتی[3] و استفاده می‌نماییم که در شکل 1-1 نشان داده شده است.

     در مدل اول از این متدولوژی، ابتدا بخش‌بندی را بر اساس داده‌های جمعیت‌شناختی[4] از پروفایل مشتریان با استفاده از شبکه عصبی خود سازمانده[5] انجام می‌دهیم، سپس به بخش‌بندی دوباره هر کدام از بخش‌های نتیجه گرفته شده از مرحله اول بر اساس داده‌های معاملاتی (RFM وزن‌دار شده) بنا بر الگوریتم K میانگین می‌پردازیم در این روش K بهینه را در هر خوشه با روش دیویس بولدین به دست می‌آوریم و در نهایت بخش‌های بدست آمده را بر اساس ارزششان رتبه‌بندی می‌کنیم. که در شکل 1-2 نشان داده شده است.

     در مدل دوم از این متدولوژی، ابتدا مشتریان را بر اساس داده‌های معاملاتی (RFM وزن‌دار) با استفاده از الگوریتم K میانگین بخش‌بندی می‌نماییم، در این روش مقدار K بهینه از قبل توسط شاخص دیویس بولدین تعیین می‌شود. سپس هر بخش به دست آمده از مرحله اول را بر اساس داده‌های جمعیت‌شناختی با استفاده از شبکه عصبی خود سازمانده دوباره بخش‌بندی می‌نماییم و در نهایت بخش‌های بدست آمده را بر اساس ارزششان رتبه‌بندی می‌کنیم. که در شکل 1-3 نشان داده شده است

در مدل سوم از این متدولوژی، ابتدا مشتریان را با استفاده از شبکه عصبی خود سازمانده، بر اساس متغیرهای جمعیت‌شناختی و متغیرهای تراکنشی (RFM وزن‌دار) بخش‌بندی نموده سپس از تعداد خوشه‌ی بدست آمده (k) و مراکز خوشه‌ها به عنوان ورودی روش K میانگین برای بخش‌بندی دوباره مشتریان بر اساس متغیرهای جمعیت‌شناختی و تراکنشی استفاده می‌نماییم و در نهایت بخش‌های بدست آمده را بر اساس ارزششان رتبه‌بندی می‌کنیم. که در شکل 1-4 نشان داده شده است.

سوالات تحقیق

     در این تحقیق علاوه بر طراحی مدل به سوالات زیر پاسخ داده می‌شود:

- ارزش مشتریان بر اساس این مدل‌ها به چند بخش تقسیم­ می‌شود؟

- هر بخش از مشتریان دارای چه ویژگی‌هایی هستند؟

- کدام یک از مدل‌ها در مرکز اپل ایران کارایی بهتری را از خود نشان می‌دهد؟

1-5 روش و ابزار انجام تحقیق

     متغیرهای ورودی مورد استفاده در بخش­بندی، مرحله­ای از فرایند مدیریت ارتباط با مشتری[6] که بر آن تاکید می‌شود را نشان می‌دهد. متغیرهای جمعیت­شناسی و متغیرهای تراکنشی (RFM) شایع­ترین متغیرهای ورودی مورد استفاده در ادبیات برای خوشه‌بندی مشتریان است. متغیرهای جمعیت­شناسی که با تمام مراحل مدیریت ارتباط با مشتری در ارتباط­ هستند، نقش­شان در جذب مشتری اهمیت بیشتری دارد. از سوی دیگر، RFM اغلب در حفظ مشتری و توسعه آنها استفاده می‌شود. در این مطالعه هدفمان استفاده ترکیبی از این دو متغیر ورودی و تغییر ترتیب ورودشان برای بخش‌بندی مشتریان با استفاده از تکنیک­های داده‌کاوی شناخته شده­ی K میانگین و شبکه عصبی نگاشت خود سازمانده است.

فصل دوم:

مبانی نظری

فصل دوم: مبانی نظری

2-1 مقدمه

     در این فصل سوابق پژوهشی و ادبیات نظری تحقیق مطرح شده است. مقالات منتشر شده در زمینه بخش‌بندی و ادبیات آن مورد بررسی قرار گرفته و الگوریتم های موجود جهت بخش‌بندی مشتریان و کاربرد آن در صنایع مختلف بیان شده است.

     یکی از روش‌های مورد استفاده برای درک مشتریان و شناسایی گروه‌های همگن، بخش‌بندی مشتریان می‌باشد. در عمل، بسیاری از خرده‌فروشان، روش بخش‌بندی را برای بهبود کارایی بازاریابی و خدمات به مشتریان خود اتخاذ کرده‌اند (پراسد[7] و همکاران، 2011). ارتباط بسیار روشنی بین رضایت، وفاداری و ارزش مشتری وجود دارد. این رابطه باعث عملکرد شرکت می‌شود. شکل 2-1 این رابطه را نشان می‌دهد. مشتریان راضی خرید بیشتری را در طول عمر خود انجام می­دهند و پس از مدت کوتاهی آنها تبدیل به مشتریان وفادار می‌شوند. مشتریان وفادار نیز برای شرکت و بهبود عملکرد شرکت ایجاد ارزش می­کنند (مالتوس و مولهرن[8]، 2008).

2-2 مدیریت ارتباط با مشتری

     از اوایل دهه 1980، مفهوم مدیریت ارتباط با مشتری در بازاریابی که شامل چهار بعد: شناسایی، جذب، نگهداری و توسعه مشتری است، اهمیتش را نشان داد. درک یک تعریف اثبات شده از مدیریت ارتباط با مشتری مشکل است، ما می‌توانیم آن را به عنوان یک استراتژی جامع و فرایند بدست آوردن، نگهداری و شراکت با مشتریان انتخابی برای ساختن یک ارزش خاص برای شرکت و مشتریان تشریح کنیم (سید حسینی، 2010). آنتون و هوئک[9] نیز آن را به صورت یک تجارت جامع و استراتژی بازاریابی که تکنولوژی، فرایند و همه فعالیتهای تجاری در حوزه مشتری را کامل می­کند، بیان می‌دارند. برون[10]، مدیریت ارتباط با مشتری را به عنوان استراتژی کلیدی جامعی برای متمرکز ماندن بر نیازهای مشتری و یکپارچه‌کردن روش‌های برخورد با مشتری در سازمان تشریح می­کند. همچنین چاترجی[11] آن را به عنوان نظامی برای هدایت و بهبود فرایندهای تجارت که در مکانهای فروش، مدیریت، خدمات و پشتیبانی از مشتریان استفاده شده است، تعریف می­کند. بنا به نظر فینبرگ و کادام[12]، وقتی که نرخ نگهداری از مشتری 5 درصد زیاد شود، سود به میزان 25 تا 80 درصد زیاد می­شود (سید حسینی، 2010).

2-2-1 مزایای استفاده از مدیریت ارتباط با مشتری

     در دهه گذشته، مدیریت ارتباط با مشتری توسط بسیاری از نویسندگان مورد توجه قرار گرفته است، و نقش حیاتی­ در اقتصاد و کسب و کار جدید ایفا کرده است. برخی از مزایای بالقوه آن به شرح زیر است: (1) افزایش حفظ و وفاداری مشتری، (2) سودآوری بالاتر مشتری، (3) ایجاد ارزش برای مشتری، (4) سفارشی کردن محصولات و خدمات، (5) کاهش فرآیند، ارائه محصولات و خدمات با کیفیت بالاتر (استون[13] و همکاران 2006).

     الهی و حیدری مزایای استفاده از مدیریت ارتباط با مشتری را به سه بخش کلی تقسیم کردند که عبارتند از: (1) افزایش سوددهی و منابع، (2) صرفه­جویی و کاهش هزینه، (3) تاثیرات سازمانی.

افزایش سوددهی و منابع:

بهبود قابلیت جذب و نگهداری مشتریان

ایجاد وفاداری و افزایش سود

ارتقاء ارزش مشتری

افزایش سوددهی مشتریان

افزایش مدت زمان نگهداری و وفاداری مشتریان

صرفه­جویی و کاهش هزینه:

ارتقاء سرویس­دهی بدون افزایش هزینه آن

کاهش هزینه­های فروش

جذب مشتریان جدید با هزینه پایین­تر

کاهش هزینه­های مربوط به سرویس­دهی مشتریان

تاثیرات سازمانی:

مدیریت کارا و موثر ارتباطات مشتری توسط سازمان­ها

ایجاد مزیت رقابتی

تاثیرات مثبت در کارائی سازمان

وفاداری به نام تجاری[14] (1384).

2-2-2 انواع فناوری­های مدیریت ارتباط با مشتری

     انواع فناوری­های مدیریت ارتباط با مشتری به شرح زیر می­باشد:

2-2-2-1 مدیریت ارتباط با مشتری عملیاتی