خرید متمرکز

خرید تنها از یک نوع محصول

–

میانگین زمان بین خرید ها

فواصل زمانی که بین دو خرید متوالی فاصله می افتد.

/–

فعالیت های بازاریابی سازمان

تعداد دفعاتی که سازمان سعی در برقراری ارتباط با مشتری دارد.

درآمد

میزان عایدی ناشی از خرید های مشتری

۲٫۵٫۲ . کاربرد های ارزش دوره عمر مشتری
ارزش دوره عمر مشتری معیاری است، که می توان به عنوان پایه ای برای سرمایه گذاری زیر بنایی و توسعه استراتژی های بازاریابی بکار رود. سازمان ها می توانند در محیط کاری خود از ارزش دوره عمر مشتری جهت شناسایی مشتریان که در آینده مایل به رساندن ماکزیمم ارزش به شرکت هستند، استفاده نمایند، که باعث افزایش ارزش دوره عمر مشتری و سطح تخصیص بهینه منابع و میزان کارایی کانال های مختلف ارتباطی خواهد شد. از دیدگاه دیگر، مدیریت مشتریان به صورت پویا بر مبنای ارزش دوره عمر مشتری می تواند موجب بالا رفتن ارزش سهامداران گردد. مطالعات گذشته نشانگر این موضوع است، که ارزش دوره عمر مشتری می تواند برای ایجاد استراتژی های مشتری محور و بهبود عملکرد شرکت بکار گرفته شود، این استراتژی ها می تواند شامل:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

انتخاب مشتری
گروه بندی مشتری
تخصیص بهینه منابع
تجزیه و تحلیل تناوب خرید مشتری و هدف گیری سودده ترین مشتری در آینده باشد. [۱۵]

ﯾﮑﯽ از ﻣﺪلﻫﺎی ﻣﻄﺮح در ﺗﺤﻠﯿﻞ ارزش ﻣﺸﺘﺮی، ﻣﺪل RFM اﺳﺖ ﮐﻪ ﺗﻮﺳﻂ Hughes در ﺳﺎل ۱۹۹۴ اراﺋﻪ ﺷﺪه اﺳﺖ و ﺑﻪ ﺑﯿﺎن تفاوت مشتریان با بهره گرفتن از سه متغیر تازگی، ﺗﮑﺮار و ارزش پولی ﻣﯽﭘﺮدازد. ﭘﺎراﻣﺘﺮﻫﺎی ﻣﺪل RFM ﺑﻪ ﺷﺮح زﯾﺮاﺳﺖ:
ﺗﺎزﮔﯽ آﺧﺮﯾﻦ ﺧﺮﯾﺪ^[۱۹] (R :(R ﻧﺸﺎن دﻫﻨﺪه مدت زمان بین آخرین تعامل تجاری با زمان حال می باشد، هر چه این مدت کمتر باشد، R بیشتر است.
تکرار خرید^[۲۰] (F) : F نشان دهنده تکرار است و تعداد تراکنش ها را در یک بازه مشخص نشان می دهد، برای مثال دو بار در سال، دو بار در یک فصل یا دو بار در یک ماه. ﻫﺮ ﭼﻪ ﺗﮑﺮار ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، F ﺑﺰرگﺗﺮاﺳﺖ.
ارزش ﭘﻮﻟﯽ ﺧﺮﯾﺪ^[۲۱] (M :(M ﻧﺸﺎن دﻫﻨﺪه ارزش ﭘﻮﻟﯽ اﺳﺖ و ارزش ﭘﻮﻟﯽ ﺗﻌﺎﻣﻼت را در ﺑﺎزه های ﺧﺎص ﻧﺸﺎن ﻣﯽدﻫﺪ. ﻫﺮﭼﻪ ارزش ﭘﻮﻟﯽ ﺑﯿﺸﺘﺮﺑﺎﺷﺪ، M ﺑﺰرﮔﺘﺮاﺳﺖ.
ﺗﺤﻘﯿﻘﺎت وو و لین ^[۲۲] ﻧﺸﺎن ﻣﯽ دﻫﺪ ﮐﻪ ﻫﺮ ﭼﻪ R وF ﺑﯿﺸﺘﺮ ﺑﺎﺷﺪ احتمال آنکه تراکنش جدیدی با مشتری صورت بگیرد، بیشتر است و همجنین اگر M بزرگتر باشد بازگشت مشتری برای خرید بیشتر است. [۲۸]
متغیر های مدل RFM برای بخش بندی مشتریان بسیار کارا هستند. از دیگر کاربردهای مدل RFM در بخش بندی مشتریان بر اساس متغیرهای تازگی، تکرار و ارزش پولی، می توان به بخش بندی مشتریان به منظور تعیین سیاست های بهینه بازاریابی برای هر بخش اشاره کرد. [۲۹]
۶٫۲ . سرانجام فصل
با مرور آنچه که گفته شد در می یابیم که با گسترش رقابت و اشباع شدن بسیاری از بازارها و تغییرات پیوسته در محیط و ترکیب جمعیت، شرکتها با این واقعیت روبرو شدند که امروزه دیگر مانند گذشته شرکتها با یک نظام اقتصادی رو به گسترش و بازارهای در حال رشد روبرو نیستند. امروزه هر مشتری ارزش ویژه خود را دارد و شرکتها برای به دست آوردن سهم بیشتری از بازار ثابت یا رو به کاهش باید مبارزه کنند. بازاریابان تا دیروز تنها در اندیشه یافتن مشتری بودند و گروه های فروش در پی شکار رشد دادن مشتری یعنی توجه به مشتریان تازه بودند ولی در دیدگاه امروزی بازاریابی یعنی رضایتمندی و ارتباط موثر با مشتری و کیفیت از دیدگاه وی.
فصل سوم : متدولوژی استاندارد در فرایند داده کاوی
۱٫۳ . سرآغاز فصل
ابزارهای داده کاوی در راستای تحلیل داده های تحلیلی مشتری بسیار مرسوم هستند. بسیاری از سازمان ها داده هایی در مورد مشتریان جاری، مشتریان بالقوه، تامین کنندگان و شرکای تجاری جمع آوری و ذخیره می کنند. عدم توانایی کشف اطلاعات ارزشمند پنهان در میان این داده ها مانع می شود که سازمانها این داده ها را به دانش مفید و با ارزش تبدیل کنند. ابزارهای داده کاوی کمک می کنند تا سازمان ها این دانش نهفته را از میان حجم عظیم داده ها استخراج کنند. با وجود داده های جامع مشتریان، تکنولوژی داده کاوی می تواند هوش تجاری با قابلیت ایجاد فرصتهای جدید فراهم آورد. [۱۱]
آنالیز داده ها جزء لاینفک هر سیستم مدیریتی در یک سازمان، می باشد. به وسیله آنالیز داده هاست که سازمان می تواند بر اساس واقعیات به تصمیم گیری و سیاست گذاری بپردازد. علاوه بر این، ارزیابی میزان اثربخشی و موفقیت/ شکست برنامه های شناخت و دسته بندی مشتری تنها از طریق جمع آوری داده های مرتبط و تجزیه و تحلیل آنها میسر می باشد. در این فصل تلاش شده است تا یک رویه منطقی جهت آنالیز داده های مشتریان شرکت پخش و توزیع ارومیه، از شرکت های تابع گروه صنایع غذایی سولیکو ارائه شود.
در اکثر تحقیقاتی که تاکنون در خصوص مطالعات مدیریت رویگردانی مشتری از سازمان صورت گرفته است. اقدام به شناسایی و پیش بینی نرخ رویگردانی مشتری با کمک داده های تراکنشی موجود از تعاملات مشتری با سازمان شده و در حوزه شناسایی دلایل شکل گیری پدیده رویگردانی با کمک داده کاوی و تلاش در جهت رفع عوامل ایجاد کننده این پدیده مطالعه چندانی صورت نپذیرفته است. [۳۰] این در حالی است که مطالعه نرخ رویگردانی مشتری در میان گروه های مختلف مشتری، به تنهایی چیزی فراتر از یک دید کلی در خصوص کسب و کار و آینده آن به طور تقریبی ارائه نمی دهد و هر گونه تلاش سازمان در رفع علل ایجاد کننده این پدیده منوط به درک دلایل و شرایط بروز پدیده رویگردانی است. [۲۵]
در ادامه و طی فصل آتی رویه پیشنهادی بر اساس مدل استاندارد Crisp DM^[23] بیان شده است. این رویه شامل شش مرحله می باشد. مراحل درک فضای کسب و کار، شناسایی داده ها، آماده سازی داده ها، مدل سازی، پایش و ارزشیابی و اجرا.
۲٫۳ . متدولوژی CRISP – DM
در طول سالیان گذشته حجم زیادی از داده ها در پایگاه های اطلاعاتی سازمان ها انباشته شده است. نتیجه این انباشتگی این است که سازمان ها با حجم عظیمی از داده ها مواجه هستند. در دنیای امروز داده ها و اطلاعات حاصل از آنها به منزله یکی از دارایی های سازمان جهت ایجاد ارزش افزوده و تولید ثروت به حساب می آیند. اما در فضای کنونی سازمان ها در کسب دانش از داده ها با چالش های عمده ای مواجه هستند. در واقع امروزه سازمان ها از حجم بسیار زیاد و روز افزون داده های خود استفاده چندانی نکرده و در بسیاری از موارد تنها به ذخیره سازی آنها می پردازند. برای بهره گیری درست از داده های سازمانی مراحل زیر به صورت عمومی و صرف نظر از نوع داده ها و هدف از پردازش، ضروری
می باشد:
جمع آوری و ذخیره سازی داده ها
تحلیل و استخراج اطلاعات از داده های بدست آمده