Data mining application for customer segmentation based on loyalty
Download
Report
Transcript Data mining application for customer segmentation based on loyalty
کاربردهای داده کاوی برای تقسیم بندی مشتریان
بر اساس وفاداری :
مطالعه موردی بر روی یک صنعت غذایی ایران
درس :سمینار مباحث ویژه در مدیریت فناوری اطالعات
سید محمد حسین صدر
دانشجوی دکتری مدیریت فناوری اطالعات
دانشکده مدیریت دانشگاه عالمه طباطبایی
نیمسال اول سال تحصیلی 92-91
: کاربردهای داده کاوی برای تقسیم بندی مشتریان بر اساس وفاداری
مطالعه موردی بر روی یک صنعت غذایی ایران
2011
عنوان مقاله
سال
Hajiha, A.a , Radfar, R.b , Malayeri, S.S.c
Department of Industrial Management, Islamic Azad University,
North Tehran Branch, Tehran, Iran
b Department of Industrial Management, Islamic Azad University,
Science and Research Branch, Tehran, Iran
c Department of Management, Islamic Azad University, UAE Branch,
Dubai, United Arab Emirates
a
IEEE International Conference on Industrial
Engineering Management
2011, Article number6117968, Pages 504-508
Engineering
)مولف (مولفین
and
محل انتشار
، داده کاوی، مدیریت ارتباط با مشتری، وفاداری مشتری
RFM مدل،K-means الگوریتم
لغات کلیدی
شرکت لبنیاتی کاله یکی از بزرگترین تولیدکنندگان و توزیع کنندگان
محصوالت لبنی و بستنی در ایران می باشد .این شرکت تالش می نماید
تا محصوالت لبنی با کیفیت تولید نماید و از جدید ترین ماشین آالت و
تکنولوژی ها در زمینه تولید و توزیع آنها استفاده می نماید
در این مقاله 18محصول لبنی و داده های 3سال و منتهی به
سال 2010مورد بررسی قرار گرفته است
آماده سازی داده
محاسبه متغیر
متغیر
نرمال سازی متغیر
مدل تحقیق
خوشه بندی با الگوریتم K-Means
خوشه بندی فاصله خوشه
ها با هم
خوشه بندی فاصله بین
خوشه ها
خوشه بندی
تعیین تعداد خوشه ها
تعیین وزن متغیرها
محاسبه ارزش متوسط خوشه ها
تجزیه تحلیل خوشه ها
تجزیه تحلیل
متغیر
آماده سازی داده
بر اساس اطالعات بازیابی شده از پایگاه داده شرکت لبنیاتی کاله ،این پایگاه داده
شامل بیش از 15000رکورد 808 ،مشتری ،تعامالت 36ماه و 18محصول بود
پایگاه داده
18محصول
تعامالت 36ماه
15000رکورد
808مشتری
متغیر
آماده سازی داده
پایگاه داده شامل کد مشتری ،اطالعات مشتری ،تاریخ تراکنش ها ،نوع محصول و
ارزش خرید می باشد
ارزش خرید
پایگاه داده
نوع محصول
تاریخ تراکنش
ها
کد مشتری
اطالعات
مشتری
RFMDC
متغیر
بعد از آماده سازی داده ،معیار RFMو دو پارامتر اضافی دیگر ( Dو )Cمورد بررسی قرار
گرفت .سپس توسط 16مدیر عالی و میانی شرکت که بعنوان خبرگان انتخاب شده بودند ،
در خصوص این متغیرها سوال شد که آیا برای وفاداری مشتری مهم می باشد یا خیر؟
زمانی که خبرگان اعتبار این متغیرها تایید کردند ،از آنها خواسته شد که تا وزن هر متغیر را
تعیین کند.
استمرار خرید
تنوع
RFMDC
تازگی
فراوانی و
تعداد دفعات
خرید
پولی
تازگی خرید ،به آخرین خرید در یک دوره خاص اشاره دارد
فراوانی و تعداد دفعات خرید ،به تعداد تراکنش ها در یک دوره خاص اشاره می نماید ( برای
مثال دو بار در یک سال ،دو بار در یک فصل ،و یا دو بار در یک ماه)
ارزش پولی خرید ،به مقدار مصرف پول در یک دوره خاص اشاره دارد.
تنوع خرید ،به تنوع محصوالت در سبدهای خرید در یک دوره خاص اشاره دارد .وقتی مردم می
خواهند که نیازهای روزانه خود را برطرف نمایند ،آنها ترجیح می دهند که سوپرمارکتی بروند که
بتوانند تمامی چیزهایی را که نیاز دارند را خریداری نمایند .اگر شرکت نتواند تمام اقلم مورد نیاز
مشتری را فراهم نماید ،نمی تواند آنها را نگهدارد.
استمرار خرید ،به بزرگترین توالی در استمرار خرید در یک دوره خاص ،اشاره می نماید .تمامی
شرکتها مشتریانی را ترجیح می دهند که استمرار در خرید داشته باشند ،در بازاریابی ،یک شرکت
می خواهد که تعداد خرید و استمرار و تکرار را در یک دوره زمانی خاص بررس ی نماید.
R
F
وفاداری مشتری
M
D
C
زمانیکه آماده سازی داده انجام شد ،خوشه بندی مشتریان با استفاده از
الگوریتم K-Meansشروع شد ،در این مرحله ، Mi ،Ri Fi ،
Diو Ciبعنوان متغیرهای ورودی برای تجزیه تحلیل داده ها مورد
استفاده واقع شد و خوشه های مشتری با استفاده از الگوریتم K-
Meansبعنوان خروجی در نظر گرفته شد.
به منظور ارزیابی کیفیت خوشه بندی ،ما تعداد بهینه خوشه ها را در یک
دامنه پیشنهادی تعیین کردیم ،در این تحقیق بر اساس نظر خبرگان و داده
های موجود ،دامنه پیشنهادی برای ،Kبین 2و 9پیشنهاد شد :
2<K<9
بمنظور تعیین تعداد بهینه خوشه ها ،تعداد خوشه ها می تواند بر اساس
بهترین فاصیه بین و درون خوشه ها انتخاب شود ،تعداد بهینه خوشه ها
جایی است که فاصله بین خوشه ها حداکثر و فاصله درون خوشه ها
حداقل شود.
خوشه بندی
CLUSTERING QUALITY COMPARISON
خوشه بندی
For 2<K<9
فاصله درونی خوشه ها
فاصله بین خوشه ها
تعداد خوشه ها
220.4106
0.8412
2
162.3384
0.851924
3
47.9888
0.85967
4
99.15597
0.808449
5
86.21611
0.794131
6
79.84071
0.763483
7
65.00168
0.800886
8
53.84907
0.80787
9
خوشه بندی
ماکزیمم
dbetween
مینیمم
dwithin
در
K=4
رخ می دهد
تعداد بهینه خوشه ها 4تا
می باشد
آنها 4تا خوشه می باشند و هر خوشه شامل مجموعه ای از مشتریان می باشد
که با یکدیگر در یک خوشه مشابه می باشند و با سایر مشتریان در خوشه ها
دیگر متفاوت می باشند
بمنظور تجزیه تحلیل خوشه ها ،مدل RFMDCاستفاده شد .معیار ،F ،R
D ،Mو Cباید برای تمامی خوشه ها محاسبه می شد.
برای تعیین وزن متغیرها ،پرسشنامه برای دریافت نظرات و دیدگاه های
خبرگان مورد استفاده واقع شد.
WC = 0.21
WD = 0.20
وزن متغیرها
WR = 0.17
WF = 0.25
WM = 0.17
تجزیه
تحلیل
نتایج تجزیه تحلیل RFMDC
محاسبه ارزش متوسط هر خوشه
تعداد
Vk
Ck
Dk
Mk
Fk
Rk
خوشه ها
142
0.472
0.326
0.733
0.057
0.437
0.829
خوشه 0
254
0.808
0.924
0.887
0.171
0.966
0.995
خوشه 1
82
0.905
0.986
0.936
0.543
0.998
1.000
خوشه 2
330
0.175
0.080
0.218
0.012
0.098
0.535
خوشه 3
خوشه 2
خوشه ، 2با ارزش ترین خوشه می باشد
اعضای این خوشه مشتریان وفادار باارزش هستند و اعضای آن باالترین ارزش پولی را دارا می باشند ،شرکت ارتباط
بلند مدت با این مشتریان دارد ،و این مشتریان وفادار و فعال می باشد و دارای باالترین سطح سودآوری برای شرکت
می باشد و باید حفظ شوند و باید آنها را نگه داشت و نباید هیچکدام از آنها را از دست داد.
خوشه 1
خوشه 1بسیار شبیه به خوشه 2می باشد در زمینه تازگی ،فراوانی و تعداد دفعات خرید ،تنوع و پوستگی خرید اما با
یک اختلف زیاد در ارزش پولی ،که این خوشه را بعنوان دومین مهمترین خوشه تبدیل کرده است.
حجم خریدها کم می باشد ،زیراکه ممکن است کسب و کارهای آنها کوچک باشد .با بررس ی و برقراری ارتباط مناسب با
این مشتریان ،و با اتخاذ استراتژی های مناسب امکان دارد که حجم خریدها افزایش یابد.
خوشه 0
خوشه ، 0سومین گروه با ارزش می باشد که بعنوان مشتریان جدید تعریف می
شوند .فراوانی و تعداد دفعات خرید این مشتریان بسیار کم می باشد و ارتباط
بلندمدتی با آنها وجود ندارد.
شرکت باید شناخت بهتری از آنها پیدا نماید تا بتواند حجم خریدهای آنها را افزایش
دهد ،و ارتباط بلندمدت تر و سود ده تری با آنها برقرار نماید.
خوشه 3
خوشه 3آخرین گروه با ارزش می باشد ،که بعنوان مشتریان غیرفعال تعریف می
شوند ،و افرادی هستند که به تازگی ارتباط شان را با شرکت قطع کرده اند.
متاسفانه تعداد آنها زیاد هستند ،دالیل آن باید به خوبی بررسی شوند و استراتژی ها
مناسب برای جلوگیری از دست دادن آنها باید تعیین شوند