چکیده:
امروزه با توجه به اهمیت مشتری در محیط پرتلاطم و رقابتی، بهویژه در صنعت گردشگریو همچنین هزینۀ جذب مشتری جدید که بهمراتب بیش از هزینه حفظ مشتری موجود است ،شناسایی مشتری وفادار و حفظ آن اولویت بالایی دارد
در این پژوهش تلاش شده،که از طریق رویکرد داده کاوی به ارزیابی وفاداری گردشگر پرداخته شود.این پژوهش بر روی 880 گردشگر داخلی شهر اصفهان که در بهار و تابستان 93 و 94 بیش از یک شب در هتل های 4 و 5 ستاره اقامت داشته اند،انجام شد.برای تجزیه و تحلیل دادهها از نرم افزارSPSSClementine12 و برای خوشه بندی گردشگران از الگوریتم تلفیقی PSO-KM و LRFMاستفاده شده است.نتایج حاکی از آن است که گردشگران را می توان به دو دسته طبقه بندی کرد:دسته اول در شاخصهای طول ارتباط با گردشگر و تازگی سفر دارای میانگینی بالا و در شاخصهای هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان وفادار و نامطمئن هستند.دسته دوم در شاخص تازگی سفر دارای میانگینی بالا و در شاخصهای طول ارتباط با گردشگر،هزینه و تکرار سفر دارای میانگینی کمتر از سطح متوسط هستند،لذا جزء مشتریان جدید و نامطمئن هستند.
The aim of this study is to evaluate the tourist loyalty through data mining approach. The study has exemined 880 domestic tourists who have stayed in more than one night in four and five star hotels of Isfahan in spring and summer 2014 and 2015. SPSS and Clementine12 was used for data analysis.Also، Mixture Algorithm PSO-KM was applied for tourism clustering.The results showed that tourists can be classified in two categories. The first category have a high average in length of communication with tourism and travel recency and the cost and frequency of travel are less than average. Therefore، the customers are loyal and uncertain. The second category has a high average in travel recency and the length of communication with tourism، cost and frequency of travel is less than average. Therefore the customers are new and uncertain.
خلاصه ماشینی:
این پژوهش ۸۸۰ گردشگر داخلی شهر اصفهان که در بهار و تابستان ۹۳ و ۹۴ بیش از یک شب در هتل های چهار و پنج ستاره اقامت داشته اند انجام شد برای تجزیه و تحلیل داده ها از نرم افزار 12 SPSS Clementine و برای خوشه بندی گردشگران از الگوریتم تلفیقی PSO-KM و LRFMاستفاده شده است.
مشتریان وفادار مشتریان بالقوه مشتریان تازه مشتریان نامطمئن طول ارتباط با مشتری (L) تازگی خرید (R) شکل :۲ ماتریس وفاداری مشتری هدف این پژوهش این است که با توجه به روشهای مختلف در دسته بندی مشتریان وفادار و با استفاده از الگوریتمهای مختلف در داده کاوی، براساس تغییرهای تحلیلی RFM بهترین الگوریتم را انتخاب نموده و الگوی به دست آمده جهت رسیدن به استراتژی مناسب جهت ماندگاری و ارزش افزایی در بازار گردشگری ارائه داد که در نتیجه منجر به ایجاد هرم مشتری می گردد که از طریق این هرم میتوان تصمیمات استراتژی مهمی را در صنعت هتل داری و گردشگری انجام داد که به موارد زیر بسیار کمک می کند: در جذب مشتریان جدید به هرم مشتریان ارتقای مشتریان به سمت بالای هرم حفظ مشتریان در برابر ترک هرم داده کاوی میتواند مدلی را ارائه کند که قادر به بهره برداری از رفتار مشتریان بوده و این رفتار را پیش بینی می.
Cluster analysis using Data mining approach to Develop CRM methodology to asses the customer loyalty, Expert Systems with Applications, Vol. 37(7), 5259-5264.