پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (مورد مطالعه: شرکت گلپخش اول)

طی دو دهه اخیر، داده کاوی به یکی از روش های اصلی بهبود اثربخشی و کارایی صنعت خرده فروشی تبدیل شده و صنعت خرده فروشی نیز به دلیل ماهیت داده های آن، از زمین های بازی مورد علاقه علم داده کاوی بوده است. در این مطالعه به پیش بینی رفتار مشتری در صنعت خرده فروشی کالاهای تند مصرف (FMCG) با هدف افزایش کمی و کیفی فروش در مورد مطالعه شرکت گلپخش اول پرداخته شده است.
تحقیق حاضر از لحاظ هدف در دسته پژوهش های کاربردی قرار می گیرد و از نظر نحوه گردآوری داده ها، پیمایش داده ای طرح ریزی شده است. مراحل اجرای تحقیق مبتنی بر فرایند CRISP-DM است که از مدل خوشه بندی RFMCL و تکنیک های دسته بندی و پیش بینی رگرسیونی استفاده کرده و در نهایت برای پیشنهاد از روش پیشنهاددهی مشارکتی بهره برده است.
حاصل مطالعه یک مدل پیش بینی است که به بهترین مشتریان، کالاهایی را که تا به حال خرید نکرده اند، در تاریخ خاص و به مقدار خاص پیشنهاد داده و بدین ترتیب روش فروش سفارشی را به فروش آنی تغییر می دهد. سیستم نهایی از سه زیر مدل خوشه بندی مشتریان، پیش بینی فروش و زیرسیستم پیشنهادگر تشکیل شده است. در زیرمدل خوشه بندی، مدل جدید RFMCL متناسب با مورد مطالعه توسعه یافته است. در زیرمدل پیش بینی فروش، مدل پنج متغیره ای با استفاده از رگرسیون با دقت MSE/Range 24/2 درصد ایجاد شده است.
با پیاده سازی این مدل در شرکت، برنامه ریزی تولید پیش فعالانه شده و فرایند فروش از ویزیتوری به «فروش آنی» تغییر می یابد که این تغییر، صرفه جویی شایان توجهی در حمل و نقل و هزینه های پرسنلی فروش به ارمغان خواهد آورد.