ارزیابی مشتریان در زنجیره تأمین و به‌کارگیری تکنیک‌های داده کاوی در دسته بندی آن‌ها

چکیده

در دنیای امروز دسته‌بندی مشتریان سازمان از جنبه رفتاری، از اهمیت بالایی برخوردار است. تجزیه و تحلیل و درک رفتار مشتریان از اصول توسعه راهبردهای مراکز تولیدی ـ خدماتی می‌باشد به طوری که باعث جذب مشتریان بالقوه و نیز حفظ مشتریان فعلی و حداکثر‌سازی ارزش برای آن‌ها می‌شود. سازمان‌ها می‌توانند از طریق داده کاوی با استخراج اطلاعات پنهانی از پایگاه‌های داده‌ای بزرگ، مشتریان ارزشمند خود را تعیین و رفتار آینده‌شان را پیش‌بینی کنند. در این مقاله قصد داریم با استفاده از روش‌های داده کاوی به ارائه چارچوبی ساده و جامع پیرامون مدیریت ارتباط با مشتری و رابطه آن با زنجیره تأمین بپردازیم. ابتدا رفتار مشتریان را بر اساس معیار RFM (تاریخ آخرین خرید، حجم مالی خرید، تکرار در خرید) بررسی می‌نماییم و با توجه به تراکنش‌های انجام شده، مشتریان وفادار را مشخص می‌کنیم. سپس با استفاده از روش‌های دسته‌بندی نظیر: رگرسیون لجستیک، درخت تصمیم، شبکه عصبی و... که در تحقیقات مختلف مورد استفاده قرار گرفته‌اند، به شناسایی ویژگی‌های مشتریان می‌پردازیم تا سازمان به‌ راحتی بتواند مشتریان وفادار را شناسایی نماید. نتایج این پژوهش نشان داد که تکنیک درخت تصمیم از لحاظ شاخص‌ اطمینان، دارای عملکرد بهتری‌ نسبت به سایر تکنیک‌های‌ ذکر‌ شده‌ می‌باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Customer behavior surveys in the supply chain and applying data mining techniques in their classification

چکیده [English]

In today's world, categorization of organization customers in terms of behavioral aspects is very important. Understanding and analyzing of the principles of customers behavior are of strategy development of the producing / servicing centers so that attract potential customers and keep existing customers and maximize value for them. Organizations can through data mining, the extraction of hidden information from large databases, determine your valuable clients and predict their future behavior. In this paper we use data mining techniques to provide a simple and comprehensive framework for customer relationship management and supply chain relationship with his. First, the customers behaviors were considered based on RFM criteria (date of last purchase, the financial purchase volume, repeat of purchase) and then with respect to conducted transactions, loyal customers were identified. Using clustering techniques such as logistic regression, decision tree, neural networks and ..., that have been used in several studies, characteristics of customers were identified till organizations to easily be able to identify loyal customers. The results showed that the technique of decision tree has outperformed than the other mentioned techniques.

کلیدواژه‌ها [English]

  • Data Mining
  • Classification
  • behavior surveys
  • Supply Chain
  • loyal Customers
  • the neural network