در دهه های اخیر، با توجه افزایش هزینه های جذب مشتری جدید به طور پیوسته، توجه به نگهداری مشتریان و بالابردن وفاداری آنها، برای سودآوری سازمان ها بسیار مهم و حساس است. از این رو سازمان ها برنامه های مختلفی را برای افزایش ماندگاری مشتریان با ارزش خود (مشتریانی با اتلاف منبع کمتر و سودآوری بالا ) اجرا می کنند. پژوهش حاضر با درنظر گرفتن قابلیتهای داده کاوی در مدیریت و طراحی به پیادهسازی یک مدل پیشبینی رفتار رویگردانی مشتریان در حوزه صنعت، با بهرهگیری از روششناسی استاندارد CRISP-DM بر اساس مدل RFM و تکنیکهای جنگل تصادفی و درختهای فزاینده، به جستجو در پایگاه داده مشتریان یک شرکت خودروساز، که بیش از یک قرارداد خرید محصول با آن شرکت خودروساز داشتهاند، پرداخته است. با کاربرد مدلی بر مبنای تکنیکهای جنگل تصادفی،درختهای فزاینده و مدل پیشبینی ترکیبی، مشتریانی که تمایل به رویگردانی دارند شناساییشده و راهکارهای بازاریابی موثر برای این گروه برنامهریزی می شود. تحلیل رفتار مشتری نشان می دهد که طول ارتباط فعال مشتری، تناوب خرید نسبی و متوسط فاصله زمانی بین خرید از بهترین پیشبینیکنندگان میباشند. همچنین تکنیک پیش بینی ترکیبی نسبت به تکنیکهای جنگل تصادفی و درختهای فزاینده نتایج بهتری را نشان داده است.
بازنشر اطلاعات | |
![]() |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |