Abstract:
با توجه به پیشرفت ساختار تجاری، علم ارتباط با مشتری به روش های مختلفی تغییر می یابد و شرکتها نیاز به جدیدترین ابزار جهت حل و مدیریت چنین تغییراتی دارند. در این راستا شرکتها به دنبال شناسایی و تحلیل ویژگیهای از مشتریان هستند تا آنها را براساس ارزشی که دارند تفکیک و دسته بندی نمایند. این مساله، زمینه را برای تصمیم گیری در تخصیص بهینه منابع، به کارگیری استراتژیهای مناسب و مدیریت سودآوری در کنار مدیریت ارتباط با مشتری فراهم می آورد. در این مقاله یک روش مبتنی بر داده کاوی و رویکرد منطق فازی برای طبقه بندی مشتریان از نظر ارزش مشتری ارایه می گردد. در این روش ابتدا با رویکرد داده کاوی به آماده سازی و فازی سازی ویژگیها پرداخته میشود. سپس جهت مدلسازی با استفاده از روش درخت تصمیم گیری فازی مشتریان طبقه بندی میگردند و در نهایت مدل پیش بینی ارزش مشتریان ارایه میشود. برای ارزیابی روش از داده های شرکت داروسازی رویان دارو، یکی از بزرگترین شرکتهای داروسازی دام و طیور بهره گرفته شده است. نتایج نشان میدهند که روش پیشنهادی نسبت به روش های دیگر از سرعت و دقت بالاتری برخوردار است. مدل پیشنهادی میتواند به منظور پیش بینی ارزش و طبقه بندی مشتریهای جدید شرکت داروسازی رویان دارو به طور موثر مورد استفاده قرار گیرد.
Machine summary:
در این مقاله یک روش مبتنی بر دادهکاوی و رویکرد منطق فازی برای طبقهبندی مشتریان از نظر ارزش مشتری ارائه میگردد.
2- ادبیات پژوهش در این مقاله تلاش بر این است که با استفاده از روشهای دادهکاوی و منطق فازی، یک مدل دستهبندی مشتریان از نظر ارزش مشتری ارائه گردد.
لازم به ذکر است در این پژوهش از منطق فازی صرفاً برای فازیسازی متغیرهای مسئله استفاده شده و برای طبقهبندی مشتریان از نظر ارزش، از درخت تصمیم بکار گرفته شده است.
اگر مقدار متغیر هفتم (میزان استفاده از محصولات) زیاد باشد، مشتری با ارزش است.
درواقع درخت چنین طراحی شده که اگر مشتری راضی نباشد، ظرفیت کمی هم داشته باشد، اگر از محصولات شرکت استفاده میکند پس با ارزش است زیرا به هرحال خرید دارد.
اما اگر راضی نباشد، ظرفیت مرغداریاش هم کم باشد و میزان استفاده از محصولات هم برای وی کم باشد پس مشتری کم ارزش است (که با عدد 1 در انتهای شاخه نمایش داده شده است).
جدول 4- نتایج طبقه بندی برای 4 کلاس {مراجعه شود به فایل جدول الحاقی} نتایج اخیر نشان میدهند روش پیشنهادی یعنی درخت تصمیم فازی نسبت به سایر روشها عملکرد بهتری دارد.
به این ترتیب میتوان گفت، روش درخت تصمیم فازی روشی مناسب برای پیشبینی و تشخیص ارزش مشتری میباشد.
نتیجهگیری در این پژوهش، چارچوبی نوین برای دستهبندی مشتریان با استفاده از ابزارهای دادهکاوی و منطق فازی بر اساس ارزش مشتری ارائه شد که شامل بخشهای مختلفی از جمله آمادهسازی دادهها، فازیسازی و بستهبندی دادهها، طبقهبندی و ارزیابی بود.