پایان نامه رایگان با موضوع ارزش مشتری، استراتژی، روش تحقیق

RFM و داده‌های جمعیت‌شناختی و داده‌های ارزش طول عمر مشتری135 ارائه کرد. این روش جدید خوشه‌بندی از دو مرحله تشکیل شده است. ابتدا با الگوریتم k میانگین مشتریان بر اساس شاخص RFM به خوشه‌های مختلف تقسیم می‌شوند. سپس با استفاده از داده‌های جمعیت‌شناختی، هر خوشه مجددا به خوشه‌های جدید تقسیم‌بندی می‌شود. این متد بر روی یک بانک ایرانی پیاده سازی و به کار گرفته شد که نتایج حاصل از پیاده‌سازی این مدل مشتریان را به نه گروه بر اساس داده‌های مربوط به تراکنش‌ها و داده‌های مربوط به ویژگی‌های و مشخصات جمعیت‌شناختی تقسیم کرد. پروفایل مشتریان مربوط به هر گروه می‌تواند نقطه‌ی آغازی برای مدیران جهت تعیین استراتژی های بازاریابی برای بانک جهت ارائه سرویس و خدمات باشد. این مدل در شکل2-10 بیان شده است (2010).
شکل2-10 مدل ارائه شده توسط مرتضی نامور و همکاران (2010)
در همین سال سید حسینی و همکارانش تحقیق دیگری را منتشر کرده‌اند. هدف اصلی این مقاله تشخیص درجه وفاداری مشتری برای رسیدن به بهترین مدیریت ارتباط با مشتری می‌باشد تا بتوانند سود را بر اساس استراتژی برد-برد ماکزیمم کنند. مطالعه موردی این مقاله در شرکت ساپکو انجام شد. آنها در مطالعات خود از شاخص های RFM برای محاسبه‌ی وفاداری استفاده نمودند. شاخص چهارمی با عنوان طول مدت فعال بودن نیز مطرح کرده‌اند. در این تحقیق بعد از آماده سازی داده‌ها و شناسایی پارامترهای اختصاصی تعیین وفاداری مشتری بر اساس مدل RFM در مورد مطالعاتی شرکت ساپکو، به تعیین اوزان پارامترهای انتخابی با نظرسنجی از تصمیم گیرندگان اصلی سازمان طبق مقایسات زوجی و محاسبه اوزان با استفاده از نرم افزار متلب و سپس به خوشه بندی قطعات با الگوریتم k میانگین پرداخته شده است. در تعیین تعداد بهینه خوشه‌ها نیز از شاخص دیویس- بولدین استفاده نموده‌اند. جهت تعیین کیفیت خوشه‌ها در هر دو روش از معیار سنجش کیفیت خوشه‌ها که توسط میچاد در سال 1997 ارائه گردیده، استفاده شده است. پس از تعیین ارزش عددی هر خوشه و همچنین محاسبه‌ی فاصله‌ی مراکز خوشه‌ها از مبدا مختصات درجه‌ی اولویت خوشه‌ها در هر دو روش جداگانه تعیین شده است. جهت تعیین درجه‌ی اولویت نهایی خوشه‌ها نیز از جمع عددی ارزش هر خوشه و فاصله‌ی مرکز آن تا مبدا مختصات استفاده شده است به طوری که با مرتب کردن نزولی این داده‌ها و اختصاص دادن عدد از 1 تا 34 آنها را اولویت‌بندی نموده‌اند. در پایان نیز برای تعیین تابع وفاداری و بهبود عملکرد آن نموداری از درجه‌ی اولویت تعیین شده و ارزش هر خوشه برازش داده شده است. جهت اعتبارسنجی مدل، نتایج روش پیشنهادی را با نتایج مدلی که وزن مولفه‌های آن یکسان است مقایسه و نتایج نشان می‌دهد که متدولوژی پیشنهادی دارای عملکرد بهتری است. ارزیابی اولیه به کمک تست R^2 (برازش رگرسیون) انجام می شود. به این صورت که مقدار R^2 را برای تابع F ، تابع D و تابع F+D بدست آورده است. نتایج نشان می‌دهد که تابع F+D مقدار برازش بیشتری دارد. بنابراین تابع مناسب تری برای نشان دادن درجه وفاداری است (2010).
پراسد نیز با استفاده از روش خوشه‌بندی به تولید پروفایل مشتریان برای فروشگاههای خرده‌فروشی پرداخت، که به شناسایی رفتارها و الگوهای خرید مشتری، بهبود خدمات برای مشتریان برای رضایت بیشترشان و در نتیجه حفظ آنان کمک میکند (پراسد و همکاران، 2011). چن و همکاران نیز بر اساس پرداخت گذشته‌ی مشتری با استفاده از درخت تصمیم‌گیری به بخش‌بندی مشتریان پرداختند (2013). جدول 2-1 مدلهای تقسیم‌بندی که توسط نویسندگان مختلف پیشنهاد شده است را با توجه به متغیرهای ورودیشان طبقه‌بندی میکند.
جدول 2-1 خلاصهسازی متغیرهای ورودی استفاده شده در مدلهای بخشبندی (مرتضی نامور، 2010)
متغیرهای ورودی مورد استفاده
منابع
جمعیتشناختی
(جوتلا و همکاران، 2001) (لی و همکاران، 2005) (هانگ و همکاران، 2008)
RFM
(چنگ و همکاران، 2009)
LTV
(کیم و همکاران، 2006)
جمعیتشناختی+ RFM
(سیه، 2004) (مککارتی و همکاران، 2007)
جمعیتشناختی+ LTV
(هوانگ وهمکاران، 2004)
LTV+RFM
(چای و همکاران، 2008)
جمعیتشناختی+RFM+ LTV
(مرتضی نامور و همکاران، 2010)
متغیرهای دیگر
(استون و همکاران، 2006) (لی و همکاران، 2006) (هوانگ و همکاران، 2007) (کیم و همکاران، 2008) (چانگ و همکاران، 2007) (شییو و همکاران، 2009) (جیل-سائورا و همکاران، 2009)
موضوع ارزش مشتری یک مسئله مهم در مدیریت ارتباط با مشتری است. روشهای متعددی برای پیدا کردن ارزش مشتری وجود دارد. این روشها به معیارهای عمومی و معیارهای استراتژیک تقسیم شده‌اند. برخی از معیارهای عمومی مبتنی بر ارزش مشتری شامل اندازه کیف پول136(SOW) و به اشتراک گذاشتن کیف پول137(SW) میباشد. SOW به حجم کل هزینه‌های مشتری در یک دوره اشاره دارد، SW نیز به نسبت حجم خرید مشتری از یک نام تجاری خاص به کل خرید مشتری در یک دوره اشاره دارد (جانسون138 و همکارانش، 2001).
دیو و کاماکورا139 با ترکیب روشهای SOW و SW مشتریان را برای توسعه استراتژی‌های موثر، بخشبندی کردند و مشتریان با ارزش را شناسایی کردند. معیارهای استراتژیک ارزش مشتری نیز شامل RFM140، ارزش گذشتهی مشتری (PCV )141 و ارزش دوره عمر142 (LTV) میباشد. استون143 در سال 1995 در تحلیل کلاسیکRFM ، ابتدا مشتریان را با توجه به مقدار R صعودی مرتب کرده و به 5 گروه تقسیم نمود. به همه گروه‌ها شماره‌ی رتبه‌ای از 5 تا 1 اختصاص داده ‌شد. پس از آن مشتریان در هر گروه با توجه به مقدار F و سپس M به صورت نزولی مرتب شده و دوباره اعداد (5 تا 1) به هر گروه تعلق گرفت. بنابراین () گروه با توجه به مقدار تاخر، فرکانس و پول تعریف شد. کومار و رینارتز144 نیز در سال 2006 از RFM وزندار استفاده کرده‌اند، که در آن هر متغیر با توجه به نظر متخصص با تجزیه و تحلیل AHP وزن‌دار می شود. بنابراین ​​ میانگین وزنی، رتبه RFM را میسازد.
با توجه به مطالعات آن دو، ارزش گذشته مشتری (PCV) مدلی است که نتایج حاصل از معامله گذشته به آینده را برون‌یابی می‌کند. PCV بر خرید پولی گذشته مشتری که می‌تواند رفتار آیندهاش را نشان دهد تاکید دارد، همچنین ارزش پولی گذشته مشتری را به زمان حال بازگشت میدهد (طبائی و فتحیان،2011).
مدل‌های LTV نیز، چشم انداز ارزش پولی آینده مشتری و مدت زمانی که مشتریان فعال خواهند بود را نشان میدهد. این مدلها دستیابی به سود خالص آینده مشتریان را به حال تبدیل میکنند. مدل های مختلف برای محاسبه LTV وجود دارد. برخی از مدل های مالی LTV، هزینه های مستقیم و هزینه های بازاریابی را اعمال کرده است. برخی نرخ حفظ مشتری را در طول عمر مشتری در نظر گرفته است (مالتوس و مولهرن، 2008؛ هیدالگو145 و همکاران، 2008).
در مطالعات خواجوند146 و همکاران، همچنین خواجوند و تارخ147 در سال 2011 از RFM کلاسیک برای تعریف ارزش مشتری استفاده کرده‌اند.
در برخی از مطالعات نیز از RFM وزندار برای ارزش مشتری استفاده کرده‌اند (لیو و شیه148، 2005؛ چنگ و چن149، 2009؛ چنگ و تی‌ساعی150، 2011؛ سیدحسینی و همکاران، 2010).
زهرا طبائی روش‌های مختلف استفاده شده برای ارزش مشتری با توجه به مطالعات قبلی را بنا بر جدول 2-2 بیان می‌نماید:
جدول 2-2 مدل‌های ارزش مشتری (زهرا طبائی، 2011)
مدل
منابع
SOW و SW
(کومار و رینارتز، 2006) (دیو و کاماکورا، 2007)
RFM
(خواجوند و همکاران، 2011) (خواجوند و تارخ، 2011) (لیو و شیه، 2005) (چنگ و چن، 2009) (چنگ و تی‌ساعی، 2011) (سیدحسینی و همکاران، 2010) (مک‌کارتی و هاستاک، 2007) (لی و همکاران، 2011)
LTV
(مالتوس و مولهرن، 2008) (هیدالگو و همکاران، 2008) (سانت آنا و ریبیرو، 2009) (گلیدی و همکاران، 2009) (فراچر و سیگو، 2009) (هوانگ و همکاران، 2004) (سوبلابان و آرانها، 2009) (بنویت و همکاران، 2009) (ما و همکاران، 2008)
همانطور که از پیشینه‌ی تحقیق ملاحظه می‌کنید هر کدام از مطالعات انجام شده از یک جنبه‌ی خاص بخش‌بندی مشتریان را مورد بررسی قرار داده‌اند در حالی نگاه جامعی به این موضوع وجود ندارد، در فصول آینده به ارائه و بررسی یک متدولوژی جامع می‌پردازیم.
.
فصل سوم:
روش تحقیق
فصل سوم: روش تحقیق
3-1 مقدمه
هدف اصلی این فصل این است که با تشریح مسئله مورد بررسی، موضوع را برای خواننده واضح‌تر سازد و با ارائه مدل‌های مورد نیاز و توضیحات تکمیلی ذهن مخاطب را برای درک بهتر مدل‌های جدید ارائه شده در پایان نامه حاضر، آماده نماید. برای این منظور متدولوژی تحقیق شامل روش تحقیق، قلمرو زمانی و مکانی تحقیق، جامعه آماری، نمونه آماری و نیز روش های جمع آوری اطلاعات مورد بررسی قرار گرفته است.
3-2 روش تحقیق
در این قسمت به معرفی نوع روش تحقیق بر اساس نوع هدف و روش گردآوری اطلاعات و محیط پژوهش و افق زمانی تحقیق خواهیم پرداخت.
پژوهش حاصل بر اساس نوع هدف یا هدف پژوهش جزء پژوهش‌های توصیفی- اکتشافی و نیز کاربردی به شمار می‌رود. قلمرو مکانی پژوهش فروشگاه‌های زنجیره‌ای مرکز اپل ایران می‌باشد. برای ارائه مدل‌های بیان شده در این پژوهش مطالعه کتاب‌خوانی و مطالعه میدانی انجام شده است. گردآوری داده‌های معاملاتی، با استفاده از سوابق تراکنش‌های مشتریان ثبت شده در بانک اطلاعاتی و شبکه‌های کامپیوتری مرکز اپل ایران صورت گرفته است و داده‌های جمعیت‌شناختی نیز بنا بر تماس تلفنی با مشتریان به دست آمده است. برای اندازه‌گیری وزن متغیرهای RFM از روش AHP 151 بر اساس نظر خبرگان استفاده شده است.
به لحاظ زمانی پژوهش حاضر از نوع «مطالعه مقطعی» می‌باشد چرا که مشتریان را در یک مقطع زمانی 12 ماهه‌ در سال 2012 مورد مطالعه قرار می‌دهیم.
نرم افزارهای مورد استفاده در این تحقیق، نرم‌افزار مطلب و کلمنتاین 12152 می‌باشد. تفاوت بین کلمنتاین و نرم‌افزارهای دیگر در این است که پردازش داده‌های خود را با استفاده از گره‌هایی که به یکدیگر متصل شده‌اند و قالب یک جریان را بوجود می‌آورند، انجام می‌دهد. علاوه بر این، پس از اتمام فرآیند داده‌کاوی، داده‌های مصور شده را به کاربران ارائه می‌دهد. رابط تصویری نرم‌افزار کلمنتاین، کاربر را به اعمال مهارت‌های خاص کسب و کار خود دعوت می‌نماید که منجر به مدل‌های پیش‌بینی قوی‌تر و راه‌ حلی با زمان کوتاه‌تر می‌شود (ونا153 و همکاران، 2012).
3-3 جامعه آماری و روش نمونه‌گیری
جامعه آماری تحقیق شامل مشتریان مرکز اپل ایران می‌باشند، که در یک بازه و دوره زمانی یک ساله در سال 2012 مورد بررسی قرار گرفتند. داده‌های این تحقیق شامل 4763 رکورد مربوط به تراکنش مشتریان می‌باشد پس از حذف داده‌های ناقص و گمشده154 این تعداد به 3564 رکورد رسیده است. برای نمونه‌گیری از روش نمونه‌گیری تصادفی ساده استفاده شده است و برای تعیین حجم نمونه از فرمول کوکران (3-1) استفاده شده است. حجم نمونه بدست آمده با این فرمول 347 مشتری می‌باشد.
(3-1)
N = حجم جامعه
n = حجم نمونه
Z = مقدار متغیر نرمال واحد استاندارد، که در سطح اطمینان 95 درصد برابر 1.96 می باشد
P = مقدار نسبت صفت موجود در جامعه است اگر در اختیار نباشد می توان آن را 5/0 درنظر گرفت. در این حالت مقدار واریانس به حداکثر مقدار خود می رسد.
d = مقدار اشتباه مجاز
3-4 شرح مدل
طبق بررسی ادبیات موضوع، از شاخص های مدل RFM یعنی تاخر155، تناوب156، ارزش پولی157 برای بررسی

مطلب مشابه :  منابع مقاله دربارهنرم افزار، مدلسازی، مدل سازی