بخشبندی دوهدفه مشتریان با استفاده از داده‌کاوی (مورد مطالعه: شرکت سیما چوب)

نوع مقاله : مقاله علمی پژوهشی

نویسندگان

1 استادیار مهندسی صنایع دانشکدة مهندسی، دانشگاه بوعلی سینا، همدان، ایران

2 کارشناس‌ارشد مهندسی صنایع دانشکدة مهندسی، دانشگاه بوعلی سینا، همدان، ایران

چکیده

در بازارهای رقابتی امروزی، با گرایش شرکت‌ها به سمت مشتری‌مداری، مدیریت ارتباط با مشتری نیز پیچیده‌تر شده است. پرسش اصلی مطرح‌ در این زمینه، چگونگی شناسایی مشتریان کلیدی و سودآور شرکت است. به‌این‌منظور، شرکت‌ها کوشیدند تا با بخش‌بندی مشتریان به گروه‌های مختلف براساس معیارهایی ویژه، ویژگی‌های رفتاری آنها را شناسایی و تحلیل کنند. با این کار زمینه‌ای مناسب برای تخصیص بهینة منابع محدود، به‌کارگیری راهبرد‌های مناسب بازاریابی و درنهایت مدیریت سودآوری در کنار مدیریت ارتباط با مشتری فراهم شد. رسالت تحقیق حاضر بخش‌بندی مشتریان شرکت سیماچوب با هدف به‌حداکثررساندن ارزش عمر مشتری برای شرکت در کنار سودمندی مشتری است؛ بنابراین، بعد از شناسایی و آماده‌سازی داده‌های مسئله با روش داده‌کاوی، مسئله با دو الگوریتم ژنتیک NSGAII و NRGA حل و سپس نتایج آن تحلیل می‌شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Bi-objective customer segmentation using data mining technique (A case study in Sima-choob)

نویسندگان [English]

  • Javad Behnamian 1
  • Razieh Asgari 2
1 Assistant Prof., Faculty of industrial engineering, Bu-Ali Sina University, Hamedan, Iran
2 MSc in industrial engineering, Faculty of industrial engineering, Bu-Ali Sina University, Hamedan, Iran
چکیده [English]

In today's competitive markets, with orientation companies towards customer satisfaction, customer relationship management (CRM) is more complicated. The main question is how to identify profitable and key customers of company. Companies can segmenting their customers into different groups based on the specific criteria by identify and analyzing the characteristics of their behavior. These provide the optimal allocation of limited resources, implementation marketing strategies and management of profitably of customers alongside CRM. The aim of this study is to customers segmentation of Sima-choob company with bi-objective, i.e., maximize customer’s value and customer’s profitably. Therefore, after the identification and preparation of the data for problem using data mining techniques, two solving algorithm namely NSGAII and NRGA are proposed.

کلیدواژه‌ها [English]

  • customer segmentation
  • Data Mining
  • Multi-objective metaheuristic algorithms
Ahmadi, P. Azar, A. & Samsami, F. (2011). Market segmentation using neural networks (Case study: pharmaceutical market in Iran), Quarterly Journal of Business Management, 2(6): 1– 20. (In Persian)
Albadavi, A., Noroozi, A., Sepehri, M. M. & Nasri, A. (2014). An Integrated Pareto/NBD- fuzzy weighted RFM model for customer segmentation in non-contractual setting, Quarterly Journal of Business Management, 6(3): 417– 440. (In Persian)
Asfidany, M. R., Mahmoudi, M., Kimasy, M., Mohammadi, H. & Parsafrd, M. (2014). Retail banking market segmentation based on the expected benefits of Bank Mellat customers, Quarterly Journal of Business Management, 6(2): 227– 250. (In Persian)
Baradaran, V. & Biglari, M. (2014). Customer segmentation in fast moving consumer goods (FMCG) industries by using developed RFM model in Golestan province, Quarterly Journal of Business Management, In Press. (In Persian)
Biggadike, E. R. (1981). The contributions of marketing to strategic management, Academy of Management Review, 6: 621– 632.
Brusco, M. J., Cradit, D. & Stahl, S. (2002). A simulated annealing heuristic for a bicriterion partitioning problem in market segmentation, Journal of MarketingResearch, 34(1): 99- 109.
DeSarbo, W. S. & Grisaffe, D. (1998). Combinatorial optimization approaches to constrained market segmentation: An application to industrial market segmentation, Marketing Letters, 9(2): 115- 134.
Dibb, S. (1995). Developing a decision tool for identifying operational and attractive segments, Journal of Strategic Marketing, 3(3): 189– 203.
Dibb, S. (1999). Criteria guiding segmentation implementation: Reviewing the evidence, Journal of Strategic Marketing, 7(2): 107– 129.
Hossein Zadeh shahri, M. & Karami, M. (2014). Segmentation of customers based on food related lifestyle scale at chain restaurants (Case study: Boof fast food chain restaurants in Tehran), Quarterly Journal of Business Management, In Press. (In Persian)
Hung, C. & Tsai, C. F. (2008). Market segmentation based on hierarchical selforganizing map for markets of multimedia on demand, Expert Systems with Applications, 34(1): 780– 787.
Kleinberg, J. (2002). An impossibility theorem for clustering, Proceedings of the 15th Conference on Neural Information Processing Systems (NIPS), Vancouver, Canada: 446- 453.
Morovati Sharif Abadi, A. (2014). Clustering bank's customers using artificial neural networks, Quarterly Journal of Business Management, 6(1): 187–206. (In Persian)
Mortazavi, S., Aseman Dareh, Y., Najafi Siahroodi, M. & Alawi, S. M. (2011). Benefit sought segmentation of mobile phone market, Quarterly Journal of Business Management, 3(8): 115– 132. (In Persian)
Myers, J. (1996). Segmentation and positioning for strategic marketing decisions, South-Western Educational Publishing, Chicago.
Wedel, M. & Kamakura, W. (2000). Market segmentation: Conceptual and methodological foundations, Kluwer Academic Publishing, Norwell, MA.
Wind, Y. (1978). Issues and advances in segmentation research, Journal of Marketing Research, 15(3): 317- 337.