بخشی از مقاله
چکیده:
هدف اصلی هر کسب و کار ایجاد و حفظ مشتری است. در این عرصه رقابت سازمانهایی به موفقیت دست مییابند که بتوانند به درستی مشتریان خود را مورد بررسی و تحلیل قرار داده و براساس نیاز حال و آینده آنها محصولات و خدمات خود را ارائه دهند. یکی از روشهای تحلیل مشتریان، دستهبندی مشتریان براساس شاخصهای استخراج شده از رفتار آنها در طول زمان است. یکی از پرکاربرد ترین روشها برای دستهبندی مشتریان روش LRFM است که مشتریان را بر اساس چهار شاخص طول ارتباط مشتری با سازمان - L - ، تازگی خرید - R - ، تعداد خرید - F - و مبلغ خرید - M - دستهبندی میکند. در این مقاله از اطلاعات سیستم فروش یک شرکت توزیع دارو استفاده شده است و تحقیقات وابسته به شرایط این صنعت صورت گرفته است. طی این تحقیق، مشتریان صنعت توزیع دارو با استفاده از الگوریتم خوشه بندی k-means++ براساس مدل LRFM خوشه بندی شده و در پنج دسته اصلی مشتریان VIP، وفادار، ریزشی، گذری و جدید دستهبندی میشوند. سپس نمونههایی از تحلیلهای قابل انجام براساس دستهبندی انجام شده عنوان میگردد.
کلمات کلیدی: تحلیل رفتار مشتریان؛ مدل LRFM؛ خوشه بندی؛ الگوریتم k-means++
1 مقدمه
در محیط رقابت کنونی حفظ روابط با مشتریان، کلید موفقیت در کسب و کار است. در این عرصه رقابت سازمانهایی به موفقیت دست مییابند که بتوانند به درستی مشتریان خود را مورد بررسی و تحلیل قرار داده و براساس نیاز حال و آینده آنها محصولات و خدمات خود را ارائه دهند. تجزیه و تحلیل، مستلزم استفاده از معیارها و به کارگیری روشهای استفاده از دادهها برای تصمیم سازی صحیح است. در قلب هر سیستم تجزیه و تحلیل مشتری، فرآیندهای جمعآوری داده، تحلیل و تصمیمگیری مبتنی بر داده قرار دارد. یکی از روشهای تحلیل مشتریان، دستهبندی مشتریان براساس شاخصهای استخراج شده از رفتار خرید آنها در طول زمان است. همه مشتریان دارای هدف و یا الگوی خرید مشابه نیستند؛ از این رو، با دستهبندی مشتریان امکان شناسایی فرصتها برای بازاریابی بهتر و طراحی محصولات و خدمات متناسب با نیاز آنها فراهم میگردد. بهترین مدل دستهبندی، مدلی است که بینش مناسبی از مشتریان کنونی و بالقوه برای مدیران ترسیم نماید. یکی از پرکاربرد ترین روشها برای دستهبندی مشتریان روش LRFM است که مشتریان را بر اساس چهار شاخص طول ارتباط مشتری با سازمان - L1 - ، تازگی خرید - R2 - ، تعداد خرید - F3 - و مبلغ خرید - M 4 - بخشبندی میکند. مدل LRFM در واقع توسعهای از مدل RFM است که اولین بار توسط هوگس [1] معرفی شد.
بر اساس کوهاوی و پرخ [2] به طور متوسط %80 از پژوهشگران در حوزه دستهبندی رفتار مشتریان از مدل RFM استفاده میکنند همچنین در سال 2004 متغیر L به معنای طول ارتباط با مشتری به عنوان عامل موثر دیگری در دسته بندی مشتریان توسط چانگ [3] مطرح شد. امروزه با گسترش سیستمهای اطلاعاتی از جمله سیستمهای فروش حجم بالایی از دادههای قابل تحلیل ذخیره میگردد. در صنعت توزیع دارو، مدیران بازاریابی و فروش با حجم انبوهی از دادههای فروش محصولات دارویی به داروخانهها روبرو هستند که تحلیل آنها راهگشای بهبود موقعیت شرکت در مقایسه با رقبا خواهد بود. سیستمهای اطلاعاتی فروش، دادههای مربوط به خرید مشتریان را ذخیره میکنند. تحلیل رفتار خرید مشتریان در طول زمان با استخراج اطلاعات مفید از انبوه دادهها، برای مدیران قدرت کنترل بهتر وضعیت بازار رقابت و برنامهریزی مناسبتر برای افزایش فروش به مشتریان را به ارمغان میآورد. در ادامه در بخش دوم روش LRFM توصیف میشود و در بخش سوم مراحل انجام دسته بندی مشتریان براساس دادههای فروش یک شرکت توزیع دارو، شرح داده میشود. همچنین در بخش چهارم نیز چگونگی تحلیل رفتار مشتریان براساشاخصهای پیشنهادی ارائه میگردد.
2 روش دسته بندی LRFM
یک روش شناخته شده برای ارزیابی رفتار خرید مشتریان مدل RFM است که با توجه به تعاریف موجود در مقالات [1] ، [3] و [4] تحلیل RFM از سه متغیر به صورت زیر تشکیل شده است:
1. R - تازگی خرید - : فاصله تاریخ آخرین خرید مشتری از تاریخ پایانی دوره
2. F - تعداد خرید - : تعداد خرید مشتری در هر دوره
3. M - مبلغ خرید - : مبلغ خرید مشتری در هر دوره
که این متغیرها در دورههای زمانی مشخصی مثلا سالیانهاندازهگیری میشوند. با توجه به آنچه گفته شد مدل LRFM تعمیمی از مدل RFM است که در آن متغیر L به معنای طول ارتباط با مشتری علاوه بر سایر متغیرها در نظر گرفته میشود. متغیر L را میتوان به عنوان چهارمین شاخص به صورت زیر تعریف کرد:
4. L - طول ارتباط با مشتری - : فاصله تاریخ اولین خرید مشتری از تاریخ آخرین خرید مشتری در دوره هدف اصلی به کارگیری آنالیز LRFM دستهبندی مشتریان از نظر شباهت رفتاری است. با توجه به مسفروش و تاروخ [6] در خوشهبندی مشتریان براساس رفتار خرید آنها، مدل LRFM جایگزین مناسبتری نسبت به مدل RFM است. در روش LRFM تمامی متغیرها درپنجره های زمانی مشخصیاندازهگیری میشوند، پس ازاندازهگیری متغیرها، متناسب با هر مشتری به هر متغیر براساس چندکهای متناظرش در جامعه امتیازی از 1 تا 5 تخصیص داده میشود. برای مثال امتیاز کلی مربوط به یک مشتری بین 1111 تا 5555 تعریف میشود.
3 دسته بندی مشتریان در صنعت توزیع دارودر این مقاله از متدلوژی CRISP5 در رویهی داده کاوی استفاده شده است. در ادامه این متدلوژی شرح داده میشود. 1-3 متدلوژی CRISP یکی از معتبرترین متدلوژیها در زمینه اجرا و پیادهسازی پروژههای دادهکاوی متدولوژی CRISP است. شکل 1 گامهای اجرای پروژهی دادهکاوی با این متدولوژی را نمایش میدهد.
این متدلوژی شامل مراحل زیر است:
1. مرحله شناخت سیستم: در این مرحله ابتدا به شناخت کسبوکار موردنظر دادهکاوی میپردازیم. سپس اهداف کسبوکار و عوامل موفقیت را بررسی میکنیم. پس از تدوین اهداف پروژه، میبایست وضعیت موجود شناخته شود. در این فاز منابع، نیازمندیها و محدودیتهای موجود را مشخص میکنیم.
2. شناخت دادهها: شناخت داده ها شامل مراحل، جمعآوری دادههای اولیه، توصیف دادهها، بررسی دادهها و اعتبار سنجی کیفیت دادهها میباشد. هراندازه دادههای جمعآوریشده دقیقتر، جامعتر و دارای کیفیت بیشتری باشد نتیجه دادهکاوی مفیدتر خواهد بود؛ بنابراین بررسی دادهها بهمنظور یکپارچهسازی و قالببندی مناسب دادهها از اهمیت ویژهای برخوردار است.
3. آماده سازی داده ها: این گام شامل مراحل انتخاب دادهها، تمیز کردن دادهها، آمادهسازی دادهها جهت دادهکاوی، مجتمع کردن دادهها جهت دادهکاوی و قالببندی دادهها میباشد. قالب دادهها در طول زمان دچار تغییر میشود. ممکن است ساختار بسیاری از دادهها یکسان نباشد یا برخی از دادههای قدیمیتر از بین رفته باشند. در دادهکاوی اهمیت دادههای قدیمی کمتر از دادههای جدید نمیباشد؛ بنابراین آمادهسازی دادهها و سرانجام گزارش کیفیت دادههای آماده شده برای دادهکاوی اهمیت بسزایی دارد.
4. مدل سازی: پس از طی مراحل بالا میتوانیم مدلسازی را انجام دهیم. در اولین گام باید روشی مناسب برای مدلسازی انتخاب کنیم. پس از تعیین روش مدلسازی پارامترهای موردنیاز مدل نیز مشخص میشود. پس از طی مراحل بالا بخش کوچکی از پروژه تعریف میشود و پس از هر مرحله اجرا بهدقت مورد تست و ارزیابی قرار میگیرد تا کیفیت مدل ایجاد شده سنجیده شود. اگر مدل انتخاب شده کیفیت مورد نظر را نداشت ابتدا پارامترهای مدل را تغییر میدهیم و مجداً مدل را تست میکنیم. اگر هنوز کیفیت لازم را نداشت، مدل جدیدی را انتخاب میکنیم.
5. مرحله ارزیابی: پس از مدلسازی به ارزیابی نتایج حاصل از مدل میپردازیم. در این گام اعتبار مدل مورد بررسی قرار میگیرد. در آخر فهرستی از اقدامات قابل اصلاح ارائه میشود و بر این اساس تصمیمگیری انجام میشود.
6. مرحله توسعه: در این فاز دور نمایی از طرح توسعه ارائه میشود. طرح نظارت و نگهداری پس از اتمام پروژه نیز در این گام تهیه میشود؛ و سرانجام گزارش نهایی از پروژه از این مرحله استخراج میشود.
2-3 مدل پیشنهادی
