دسته بندی و پیش بینی دسته های مشتریان به کمک تلفیق روش LRFM، چندک ها و روش های داده کاوی چندکلاسه

امروزه مدیریت ارتباط با مشتری به ضرورتی اجتناب ناپذیر در سازمان ها تبدیل شده است. با این حال، یکی از مشکلات اولیه در این زمینه، فقدان معیار مشخص برای طبقه بندی مشتریان است. ایجاد مدل های پیش بینی از دسته های مشتری نیز یکی از معضلات مدیریت ارتباط با مشتری است. برای این منظور در این مقاله، از تلفیق روش LRFM به همراه مفاهیم چندک ها و روش های داده کاوی چندکلاسه برای دسته بندی مشتریان استفاده شده است. در این راهکار، ابتدا رکوردهای اطلاعاتی مشتریان بررسی و پالایش شدند تا داده های نامعتبر حذف گردند. سپس با ترکیب مفاهیم روش LRFM و چندک ها، مشتریان دسته بندی شده اند. در ادامه، به منظور تشخیص و طبقه بندی مشتریان جدید، خروجی های به دست آمده، در معرض انتخاب ویژگی قرار گرفتند و ویژگی های اضافی آنها حذف شدند. سپس، ویژگی های باقی مانده برای ایجاد مدل های پیش بینی کننده دسته مشتریان به طبقه بند های مختلف منتقل شدند. برخلاف تحقیقات پیشین، در این مقاله، از معیارهای ارزیابی چندکلاسه میکروسکوپی و ماکروسکوپی برای ارزیابی عملکرد پیش بینی کننده ها استفاده شده است. به منظور ارزیابی نتایج، در یک مطالعه موردی، بخشی از اطلاعات مشتریان شرکت سرچین خراسان مورد استفاده قرار گرفته است. ارزیابی ها نشان می دهد که دقت مدل های پیش بینی روش پیشنهادی در طبقه بندی مشتریان، بالاتر از دقت روش مرسوم دسته بندی مشتریان به کمک K-Means است. همچنین روش پیشنهادی در تشخیص گروهی رکوردها عملکرد بهتری دارد.