بخشی از مقاله
چکیده
در تجارت امروز، رقابت و تلاش برای جذب مشتری جهت افزایش سوددهی اهمیت زیادی دارد. هدف اصلی این پژوهش شناسایی مشتریان VIP و ارائه خدمات مخصوص جهت افزایش رضایتمندی آنها میباشد. امکان خرید دوباره این افراد وجود دارد، و سیاست گذاریهای مناسب میتوان به جذب بیشتر این افراد اقدام کرد. بنابراین در این مقاله، کاربران به دو دسته VIP, Non _VIP تقسیم و تکنیکهای دادهکاوی به منظور تحلیل رفتار این مشتریان انجام شده است.
برای شناسایی دسته هر مشتری، از یک سیستم فازی استفاده شده و ورودی های این سیستم فازی میزان رضایت مشتری و فاکتورهایی که در مدل RFM معرفی شده اند، میباشد. جامعه آماری این تحقیق مشتریانی هستند که از یک فروشگاه اینترنتی خرید کردهاند. سپس از نرمافزار Matlab و rapidminer برای تحلیل دادهها استفاده شد. نتایج پژوهش نشان میدهد که روش پیشنهادی توانایی تفکیک و شناسایی مشتریان را با دقت بسیار بالایی انجام میدهد.
.1 مقدمه
امروزه، فناوری اطلاعات تحولات زیادی را در امور تجاری به وجود اورده است و روش های سنتیدائماً در حال جایگزینی با شیوه های نوین تجاری هستند. در این راستا، همزمان با پیشرفت علوم کامپیوتر، گسترش شبکه های کامپیوتری و رواج شبکه جهانی اینترنت، ایده استفاده و به کارگیری شبکه های کامپیوتری برای انجام فعالیت های تجاری مورد توجه قرار گرفته است. [1] با توسعه تجارت الکترونیکی، فروشگاه های اینترنتی سهم مهمی در تجارت امروز را از آن خود کرده اند. فروشگاه های اینترنتی می توانند به واسطه تجزیه و تحلیل فروش، تسهیلات بیشتری را برای مشتریان فراهم نمایند؛ همچنین می توانند با استفاده از تکنیکهای داده کاوی، ترجیحات و الگوهای خرید مشتریان را شناسایی نمایند.
[2] با شناسایی الگوهای خرید و علایق هر مشتری، کامپیوترها میتوانند توصیه هایی جهت خرید محصولات به هر مشتری، ارائه دهند. [3] با افزایش شمار مشتریان آنلاین و تغییر ماهیت کسب وکار به سمت کسب وکارها و خدمات اینترنتی و افزایش رقبا دیگر نمیتوان نسبت به انتظارات و خواسته های مشتریان بی تفاوت بود. بر طبق تحقیقات مؤسسه تارپٌ %70 مشتریان راضی تمایل دارند از رقبا خرید انجام دهند و همچنین مشتریان کاملا راضی نسبت به مشتریان فقط راضی %42 بیشتر گرایش خرید مجدد دارند. [4] بنابراین شناسایی این افراد و سعی در نگهداری آنها برای فروشگاهها، خصوصا فروشگاههای اینترنتی بسیار مهم و ضروری است. ادامه مقاله به صورت زیر بخش بندی میشود. در بخش دوم مروری کوتاه به کارهای صورت گرفته در سالهای اخیر خواهیم داشت، در بخش سوم ایده پیشنهادی تشریح شده و در بخش چهارم نتایج حاصل از دادهکاوی بیان میگردد. در پایان نتیجهگیری آورده میشود.
.2 مروری بر کارهای پیشین
روش زیادی در حوزه ردهبندی مشتریان صورت گرفته است که در اینجا به بررسی چند مورد از جدیدترین تحقیقات خواهیم پرداخت. در سال 2011 و در مقاله [5] نویسندگان، از خوشهبندی به منظور تعیین ترجیحات مشتری استفاده کردند، هدف آنها شناسایی نیازها و محصولاتی است که به احتمال زیاد برای کاربران جذاب میباشد. با شناسایی این علایق کاربر میتوان لیستی به کاربر پیشنهاد میگردد که شامل محصولاتی است که کاربر تا به حال آنها را ندیده ولی به احتمال زیاد به آنها علاقهمند بوده و ممکن است آنها را تهیه نماید. برای شناسایی علایق از روش خوشهبندی k-means و الگوریتم Apriori استفاده گردیده است.
در سال 1390 شیرین بیک و همکارانش به بخش بندی و ارزشگذاری مشتریان براساس سابقه خرید آنها پرداختند. هدف آنها ردهبندی و تحلیل رفتار مشتریان سایت سیویلیکا برای بهبود در ارائه خدمات به مشتریان بود. در این پژوهش از مدل RFM استفاده گردید و مشتریان به 6 خوشه مختلف براساس الگوریتم k-means تقسیم شدند. در مدل RFM معیارهای تازگی آخرین خرید، تکرار خرید و مجموع هزینه های مبادله شده محاسبه میگردد سپس براساس این معیارها عملیات خوشهبندی صورت میگیرد. [6] در سال 2012 شیم و همکاران مقاله [7] را ارائه دادند که هدف اصلی آن پیشنهاد استراتژی های مدیریت ارتباط با مشتری برای مرکز خرید انلاین بر اساس قوانین مرتبط و الگوهای متوالی است که بر اساس تجزیه تحلیل داده های تراکنش فروشگاه به دست امده است.
در این مقاله از مدل RFM، درخت تصمیم و شبکه عصبی استفاده شده و مشتریان به دو دسته خاص و عادی تفکیک شده اند. رضائیان و همکارانش در سال 1395 به بررسی و سنجش رضایت مشتریان فروشگاه اینترنتی با استفاده از تکنیکهای دادهکاوی و روش کانو فازی پرداختند، هدف آنها بررسی میزان رضایت مشتریان و ارائه راهکارهایی به منظور افزایش رضایت مشتریان بود. برای این منظور پس از شناسایی معیارهای رفتاری مشتریان، آنها را به چهار خوشه تقسیم و میزان رضایت هر مشتری را براساس پرسشنامه کانو محاسبه نمودند. با شناسایی افرادی که دارای عدم رضایت بودند راهکارهایی جهت رضایت آنها پیشنهاد شد [8]
.3 روش پیشنهادی
در این بخش به بررسی روش پیشنهادی خواهیم پرداخت و مراحل انجام کار را مورد بررسی قرار میدهیم. مراحل انجام کار شامل موارد زیر است، که در ادامه بیشتر تشریح میشوند.
-1 جمع آوری و پالایش داده
-2 استخراج ویژگی
-3 دستهبندی به استفاده از سیستم فازی
-4 به کارگیری تکنیکهای دادهکاوی
جمع آوری و پالایش داده
جامعه ی آماری این پژوهش کلیه افرادی هستند که در یک دوره شش ماهه کالاهایی را به صورت آنلاین تهیه کردند، این افراد شامل حدود 1000 نفر میباشند که از میان آنها 700 نفر به صورت تصادفی انتخاب شده و به ایمیل آنها یک پرسنامه ارسال گردید که اطلاعاتی در خصوص جنسیت، سن، میزان تحصیلات و از همه مهمتر میزان رضایت آنها از خریدشان را جمع آوری مینماید. از میان این افراد تعداد 500 نفر که به پرسش نامه به صورت کامل پاسخ داده بودند، انتخاب گردیده و جمع آوری داده های بیشتر و تجمیع داده ها برای آنها آغاز شد.
استخراج ویژگی
برای انجام دادهکاوی علاوه بر اطلاعات دریافت شده توسط پرسشنامهها، مانند: جنسیت، سن، میزان تحصیلات و میزان رضایت از خرید، ویژگیهای دیگری نیز از بین دادههای تراکنشی و خریدهای صورت گرفته توسط مشتریان استخراج گردید. با پردازش این تراکنش ها مدل - RFM تازگی آخرین خرید، فرکانس خرید و میزان پول مبادله شده - محاسبه گردید. این مدل در مقالات زیادی به منظور بخش بندی مشتریان به کار گرفته شده است.[9] از این ویژگیهای جدید در تفکیک کاربران و اجرای تکنیکهای دادهکاوی استفاده میشود.
دستهبندی به استفاده از سیستم فازی
برای دسته بندی افراد به مشتریان خاص و مشتریان عادی از سیستم فازی استفاده شد. در سیستم فازی از پارامترهای F, M از مدل RFM و میزان رضایت مشتری استفاده گردید. قوانین مورد نیاز سیستم فازی شامل 45 قانون بوده که براساس آن کاربران به دو دسته عادی و ویژه تقسیم میشوند. پس از دسته بندی مشتریان، تکنیکهای داده کاوی بر روی دادههای جمع آوری شده، به منظور تحلیل بیشتر و دقیقتر داده ها، و کشف الگوهای پنهان در آنها انجام شد. شکل .1 و شکل .2 ، به ترتیب توابع عضویت پارامتر F و M را نشان میدهند. این توابع مقادیر عددی ورودی را پس آنکه در بازه [0,1] نگاشت داده شدهاند، به متغیرهای فازی کم، متوسط و زیاد نگاشت میدهند.
