بخشی از مقاله
چکیده
شرایط رقابتی کسبوکارها و هزینههای جذب مشتریان سازمانها را بر آن داشته تا در صدد تحلیل دادههای مشتریان و استخراج دانش از آنها باشند تا از این طریق بتوانند به حفظ و بهبود وفاداری مشتریان باارزش خود دست یابند. بسیاری از شرکتهای خدماتی، از پایگاه داده مشتریان خود برای تحلیل رفتار خرید مشتریان و ایجاد استراتژیهای بازاریابی استفاده میکنند. یکی از مدلهای رایج تحلیل رفتار و الگوی خرید مشتریان مدل RFM میباشد. این مدل بر مبنای سه مشخصهی تأخر، تکرار و حجم پولی خرید، مشتریان را بررسی میکند.
این تحقیق به تحلیل رفتار خرید و استخراج دانش از مشتریان بیمه بر مبنای مدل RFM پرداخته است. پس از معرفی مشخصههای مدل RFM، وزن هر یک از مشخصههای این مدل با استفاده از روش فرایند تحلیل سلسلهمراتبی تعیین شده است. سپس خوشهبندی کا-میانگین و خوشهبندی دومرحلهای برای بخشبندی مشتریان استفاده شده است. در گام بعد، دو روش خوشهبندی مقایسه شده و روش خوشهبندی انتخاب شده است. پس از آن، بخشهای ایجاد شده از مشتریان بر اساس ارزش، رتبهبندی شده و مورد بررسی قرار گرفتند. برای انجام این تحقیق از دادههای مربوط به مشتریان بیمه بدنه اتومبیل یک شرکت بیمه خصوصی استفاده شده است. نتایج این تحقیق میتواند توسط شرکتهای بیمه و شرکتهای خدماتی برای متمایزسازی مشتریان، ارتقای سیاستگذاریهای بازاریابی و تخصیص بهینه منابع مورد استفاده قرار گیرد.
واژههای کلیدی:ارزش عمر مشتری، مدل RFM، دادهکاوی، بیمه.
مقدمه
در شرایط رقابتی امروز، متمایزسازی مشتریان و شناسایی مشتریان سودآورتر کلید بقا و موفقیت شرکتها میباشد . شرکتها برای مدیریت مؤثرتر مشتریان و کسب مزیت رقابتی پایدار باید بر روی مشتریان و ارزش آنها تمرکز کنند .[1,2] در سالهای اخیر، پیشرفت در فناوری اطلاعات و ارتباطات امر جمعآوری و نگهداری دادههای مشتریان را تسهیل کرده است .[3] شرکتها با تحلیل این دادهها میتوانند سودآورترین و ارزشمندترین مشتریان را شناسایی کرده و منابع بازاریابی را بطور بهینه تخصیص دهند.[4]وجود دادههای فراوان از مشتریان، تأمینکنندگان و شرکای تجاری، شرکتها را از کشف دانش ارزشمند پنهان در دادهها باز داشته است. دادهکاوی ابزاری شناختهشده برای مدیریت ارتباط با مشتری میباشد کهمیتواند به سازمانها در تحلیل پایگاه دادههای عظیم و کشف دانش ارزشمند پنهان در دادهها کمک نماید .[5]
در کنار روشهای دادهکاوی، روشها و ابزارهای مدیریت ارتباط با مشتری میتوانند برای تحلیل دادههای مشتریان و ارزیابی ارزش مشتری مورد استفاده قرار گیرند. در مدیریت ارتباط با مشتری، مفهوم ارزش عمر مشتری ارزش فعلی سودهای آتی ایجاد شده توسط مشتری میباشد .[6] ارزش عمر مشتری معیاری کاربردی است که شرکتها میتوانند بر مبنای آن به تحلیل رفتار مشتریان و اتخاذ تصمیمات بازاریابی بپردازند .[7] یکی از مدلهای رایج سنجش ارزش عمر مشتری، مدل RFM است .[3,8] این مدل مشتریان را بر اساس سه مشخصهی تأخر، تکرار و حجم پولی خریدهای قبلی آنها بخشبندی میکند .[9] مدل RFM جزو مدلهایی میباشد که اغلب در مواردی که ماهیت معاملات کسبوکار به صورت قراردادی1 است مورد استفاده قرار گرفته است .[10]
مدل RFM به دلیل سهولت پیادهسازی و نیز قابلیت درک آن توسط مدیران و تصمیمگیران بارها در تحلیل رفتار و ارزش مشتریان مورد استفاده قرار گرفته است .[9,11] با این وجود، این مدل محدودیتهایی نیز دارد. یکی از محدودیتهای این مدل این است که این مدل تنها بر مبنای سه مشخصه تأخر، تکرار و حجم پولی خرید مشتری به توصیف ارزش آینده مشتری میپردازد .[12] علاوه بر این، مشخصههای این مدل در صنایع مختلف ممکن است تفاسیر و اهمیتهای مختلفی داشته باشند .[9,13]
در صنعت بیمه، حفظ مشتریان فعلی و بهبود ارتباطات با مشتری امری ضروری است. در این صنعت، بخشبندی مشتریان و درک بهتر از الگوهای خرید و میزان سودآوری آنها سبب پیشبینی بهتر نیازهای خدمات بیمهای و دستیابی به سهم بیشتر از بازار میشود .[14] یکی از مدلهایی که برای بخشبندی و تحلیل رفتار مشتری در این صنعت میتواند مورد استفاده قرار گیرد، مدل RFM میباشد .[15]تحقیق حاضر، به معرفی مدل RFM خاص صنعت بیمه و بخشبندی مشتریان بر مبنای آن پرداخته است. ساختار تحقیق در ادامه به این صورت است که ابتدا به مروری بر ادبیات موضوع پرداخته، و سپس روششناسی تحقیق ارائه میشود. در پایان نیز نتیجهگیری از مباحث ارائه میگردد.
لأ2 مروری بر ادبیات موضوع
-1-2 بررسی ارزش عمر مشتری و مدل RFM
حرکت به سمت رویکرد مشتریمحوری در بازاریابی و نیز افزایش دسترسی به دادههای مربوط به تراکنشهای مشتریان سبب ایجاد علاقه نسبت به درک و ارزیابی مفهوم ارزش عمر مشتری شده است .[8] ارزش عمر مشتری تحت علائم اختصاری سیوی2، سیالوی 3، سیالتیوی4 و التیوی5 مورد مطالعه قرار گرفته و تعاریف مختلفی برای آن ارائه شده است .[7] در اغلب مطالعات، ارزش عمر مشتری به عنوان ارزش فعلی جریانهای نقدی آتی منسوب به ارتباطات مشتری با شرکت تعریف شده است .[16]
مدلهای مختلفی برای سنجش ارزش عمر مشتری ارائه شده است. مدلهای ارائه شده اغلب در جهت توسعه یک مدل عمومی و بدون در نظر گرفتن یک صنعت خاص بوده است .[7] این مدلها به شیوههای مختلفی دستهبندی شدهاند. رایجترین و جذابترین نوع دستهبندی در مطالعات ارزش عمر مشتری دستهبندی مدلها بر اساس شرایط کسبوکار است. معاملات انجام شده بین شرکت و مشتریان میتواند به صورت قراردادی یا غیرقراردادی6 باشد. در معاملات قراردادی زمان اتمام قرارداد معلوم میباشد ولی در معاملات غیر قراردادی زمان اتمام قرارداد نامعلوم است. بنابراین، مدلهای سنجش ارزش عمر مشتری را میتوان به دو دسته مدلهای قراردادی و غیرقراردادی دستهبندی کرد. همانطور که قبلاً نیز اشاره شد، مدل RFM از جمله مدلهای قراردادی میباشد .[10]
مدل RFM چندین دهه است که بهمنظور رتبهبندی و امتیازدهی مشتریان مورد استفاده قرار گرفته است. بولت7 و ونسبیک - 1995 - 8 مشخصههای این مدل را به این صورت تعریف کردهاند: - 1 - تأخر:9 مدتزمان سپری شده از آخرین خرید مشتری؛ - 2 - تکرار:10 تعداد بارهای خرید مشتری در طی یک دوره زمانی مشخص؛ حجم پولی:11 مجموع پول صرف شده توسط مشتری در طی یک دوره زمانی مشخص. یک مشتری با تکرار و حجم پولی خرید بیشتر و تأخر خرید کمتر، مشتری ارزشمندتری برای سرمایهگذاری و تمرکز میباشد .[17]لیانگ12 در یکی از مطالعات خود به بخشبندی مشتریان یک کارگاه تعمیر و نگهداری اتومبیل بر مبنای مدل RFM پرداخت. وی اظهار داشت که برای شناسایی نیازهای مشتریان، افزایش سودآوری و مینیممسازی هزینههای بازاریابی تحقیقات بازاریابی و بخشبندی بازار امری ضروری است .[11]
در تحقیق دیگری، دانکرز 13 و همکارانش از مدل RFM برای پیشبینی ارزش عمر مشتریان بیمه استفاده کردند .[15] علاوه بر این، مدل RFM در مطالعات دیگری نیز برای سنجش ارزش مشتری، بخشبندی مشتریان و توسعه استراتژیهای بازاریابی مورد استفاده قرار گرفته است .[2,4,13,18,19]به عقیده استون14، باید متناسب با صنعت مورد بررسی وزنهای مختلفی به مشخصههای مدل RFM نسبت داده شود چراکه وزنهای هر مشخصه بر اساس ماهیت محصولات و صنایع مختلف، متفاوت است .[11] بر این اساس، مدل RFM وزندار15 مطرح شده است. برای وزندهی مشخصههای مدل RFM میتوان از روش فرایند تحلیل سلسلهمراتبی16 استفاده کرد که اهمیت - وزن - نسبی هر کدام از مشخصهها را بر اساس مقایسات زوجی تعیین میکند .[17,18]خواجوند و همکارانش - 2011 - از مدل WRFM و خوشهبندی کا - میانگین برای بخشبندی مشتریان یک شرکت ارائهدهنده محصولات و خدمات سلامتی و بهداشتی استفاده کردند. آنها به این نتیجه رسیدند که استفاده از مدل WRFM در کنار خوشهبندی کا-میانگین میتواند سبب بهبود بخشبندی گردد .[6]
-2-2 خوشهبندی
خوشهبندی به بخشبندی جمعیت ناهمگن به تعدادی از زیرمجموعهها یا خوشههای همگن گفته میشود .[20] هدف خوشهبندی ماکزیمم کردن تفاوت بین گروهها و مینیمم کردن تفاوت داخل گروهها است .[13,17,21] الگوریتمهای خوشهبندی بسیاری ایجاد شدهاند که از آنها میتوان به خوشهبندی کا-میانگین، خوشهبندی سلسلهمراتبی، خوشهبندی گامی و غیره اشاره کرد .[13,17] یکی از رایجترین الگوریتمهای خوشهبندیغیرِ سلسلهمراتبی، خوشهبندی کا-میانگین میباشد .[22,23]در خوشهبندی کا -میانگین ابتدا m نقطه بطور تصادفی به عنوان مراکز اولیه خوشهها انتخاب میشوند. سپس هر نمونه به نزدیکترین مرکز خوشه تخصیص مییابد. در گام بعد، مرکز هر خوشه به میانگین فاصله نمونههای تشکیل دهندهاش بروزرسانی میشود. این الگوریتم تا زمانیکه نمونهای بین خوشهها جابجا نشود ادامه مییابد .[13]
برای خوشهبندی با الگوریتم کا-میانگین تعداد خوشهها باید از قبل مشخص باشد. در مقابل، الگوریتم خوشهبندی دومرحلهای17 که یک روش خوشهبندی سلسلهمراتبی محسوب میشود، نیازی به دانستن تعداد خوشهها از قبل ندارد و به طور خودکار تعداد خوشه بهینه را تعیین میکند. این الگوریتم در دو مرحله خوشهبندی را انجام میدهد. در مرحله اول، با کاوش در نمونهها هر نمونه با سایر نمونهها ترکیب میشود و تعدادی زیرخوشه بهدست آورده میشود. در مرحله دوم، زیرخوشههای بهدست آمده از مرحله اول در یک ساختار سلسلهمراتبی ترکیب میشوند.[24]
روششناسی تحقیق
هدف اصلی تحقیق پیش رو، تحلیل رفتار خرید مشتریان بر مبنای RFM و رویکردهای دادهکاوی بهمنظور متمایزسازی مشتریان و ایجاد درک بهتر از آنها میباشد. شکل 1 ساختار و گامهای اصلی انجام تحقیق را نشان میدهد.همانطور که در شکل نیز مشاهده میشود، ساختار تحقیق دارای پنج گام اصلی میباشد. این گامها و فعالیتهای انجام شده در هر یک از آنها در ادامه شرح داده شده است.
-1-3 گام اول: درک کسبوکار و تعیین اهداف اصلی
شرکتهای بیمه انواع خدمات بیمهای را به مشتریان - بیمهگذاران - عرضه میکنند. بخشبندی مشتریان با توجه به سودآوری و ارزشمندی آنها شرکتهای بیمه را قادر به شناخت و درک بهتر مشتریان، طراحی سیاستهای بازاریابی مؤثرتر و تخصیص بهینه منابع مینماید. با توجه به اهمیت بخشبندی و تحلیل رفتار خرید مشتریان بیمه، هدف اصلی این تحقیق بخشبندی مشتریان بیمه بر مبنای سود - ارزش - آنها بهمنظور شناخت بهتر مشتریان و استخراج دانش مؤثر از آنها میباشد.
-2-3 گام دوم: آمادهسازی و پیشپردازش دادهها
در این گام، ابتدا در دسترس بودن دادههای مورد نیاز برای رسیدن به هدف تعیین شده، جمعآوری داده و درک داده انجام گرفت. با توجه به دسترسی به دادههای مربوط به تراکنشهای خرید بیمه بدنه اتومبیل، این دادهها به عنوان دادههای تحقیق مورد استفاده قرار گرفتند. تعداد رکوردهای مربوط به تراکنشهای خرید مشتریان، 7006 رکورد بوده که مربوط به 1310 مشتری میباشد.پس از درک دادههای مورد نیاز، مشخصههای مدل تعیین شدند. در تحقیق حاضر، مشخصههای مورد استفاده برای رسیدن به هدف تحقیق شامل تأخر - مدتزمان سپری شده از آخرین خرید یا تمدید بیمهنامه بر حسب ماه - ، تکرار - تعداد بارهای تمدید بیمهنامه - ، حجم پولی صرف شده توسط مشتری از اولین قرار بیمه تاکنون میباشد.
بر مبنای این سه مشخصه، دادههای مورد نیاز از پایگاه داده استخراج شدند. سپس، پاکسازی دادهها مانند حذف رکوردهای تکراری و مقادیر پرت بر روی مجموعه داده انجام گرفت. پس از آن، دادههای مربوط به مشتریان تجمیع شده و تأخر، تکرار و حجم پولی خرید مربوط به هر مشتری محاسبه شدند. جدول 1 بخشی از دادههای آماده شده برای مدلسازی را نشان میدهد.در گام بعد، مقادیر مشخصهها بر اساس فرم هزینه و سود نرمالسازی شدند. با توجه به اینکه یک مشتری با تکرار و حجم پولی خرید بیشتر مشتری ارزشمندتری برای شرکت است، از فرم سود که طبق فرمول - 1 - است برای نرمال کردن این دو مشخصه استفاده شده است.
به دلیل اینکه یک مشتری با داشتن مقادیر کمتر مشخصه تأخر مشتری ارزشمندتر و کمریسکتری برای شرکت است، از فرم هزینه برای نرمالسازی این مشخصه استفاده شده است که طبق فرمول - 2 - میباشد.که در فرمولهای ذکر شده، x و xبه ترتیب مقادیر نرمال شده و واقعی را نشان میدهند. x L و xS نیز به ترتیب بیشترین و کمترین مقادیرمشخصهها در کل دادههای مشتریان هستند .[13,18]
پس از نرمالسازی دادهها، وزنهای مرتبط با هر مشخصه با استفاده از روش فرایند تحلیل سلسلهمراتبی محاسبه شدند. بهطور کلی، AHP شامل سه گام اصلی میباشد. در گام اول، از تصمیمگیران و خبرگان صنعت
