این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت بازرگانی، جلد ۷، شماره ۱، صفحات ۲۳-۴۲
عنوان فارسی بخش‌بندی مشتریان صنایع تولید و پخش کالاهای پرگردش بر اساس مدل بهبود‌یافته RFM (مطالعه موردی: شرکت گلستان)
چکیده فارسی مقاله بخش‌بندی مشتریان و تحلیل رفتار آنها در صنایع تولید و پخش کالاهای پرگردش، با تعداد کثیری از مشتریان متفاوت در نقاط پراکنده، سبب هدفمندشدن فعالیت­های بازاریابی و ارتباط مؤثر آنها با مشتریان می‌شود. بخش‌بندی مشتریان از رویکردهای داده‌کاوی که به کشف گروه‌های مشابه از مشتریان منجر می‌شود، عمدتاً براساس متغیرهای تازگی، تکرار و حجم خرید در مدل RFM انجام می‌شود. کیفیت بخش‌بندی، به انتخاب مناسب متغیرهای عملکردی مشتریان بستگی دارد. ارزیابی کیفیت بخش‌بندی مشتریان بزرگ­ترین شرکت تولید و پخش کالاهای پرگردش، مؤید فرضیه تأثیرگذاری اندک متغیر تازگی خرید بر بخش‌بندی مشتریان این صنایع است. در این مقاله، متغیر توالی خرید (C) به­عنوان متغیر عملکردی مشتریان در این صنایع معرفی شده و با جایگزینی آن با متغیر تازگی خرید در مدل RFM، کیفیت بخش‌بندی مشتریان در این صنایع بهبود داده شده است. کاهش 11 درصدی شاخص دیویس- بولدین در خوشه‌بندی مشتریان شرکت گلستان و افزایش 1 درصدی دقت پیش‌بینی خوشه مشتریان در مدل شبکه‌های عصبی براساس مدل پیشنهادی این تحقیق (CFM) در مقایسه با مدل RFM، بیانگر دقت بالاتر مدل CFM است.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Customer segmentation in Fast Moving Consumer Goods (FMCG) Industries by using developed RFM model
چکیده انگلیسی مقاله Customers segmentation and analyzing their behavior at fast moving costumer goods (FMGS) industries which deal with a large number of customers with a variety of characteristics causes the marketing activities to be targeted and leads to effective communication with the customers. Segmentation, a data mining approach, which leads to the discovery of similar groups of customers, is usually done by recency, frequency and purchased volume variables in RFM model. Using proper segmentation variables affects the quality of segmentation. Analyzing the quality of Golsetan customer segments, the biggest FMCG industry in Iran, confirms the hypothesis which the recency variable is not effective in customer segmentation in FMCG industries. In this paper, purchase sequence (continuity) variable is defined as a new customer performance variable in FMCG industries. By replacing the continuity variable (C) with recency in RFM model, the quality of segmentation has been improved. Customers of Golestan Company were segmented by two RFM and proposed (CFM) models. The Davis-Bouldin criterion reduced more than 11 percent and the forecast accuracy for customers cluster in artificial neural networks increased about 1 percent.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله وحید برادران |
استادیار گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی تهران شمال (Islamic azad university of tehran north)

محمد بیگلری |
کارشناس ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه شمال، آمل، ایران
سازمان اصلی تایید شده: دانشگاه شمال (Shomal university)

نشانی اینترنتی http://jibm.ut.ac.ir/article_51674_db2550311acfb25d88359ab5cdd770dc.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1066/article-1066-208335.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات