این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت بازرگانی، جلد ۱۰، شماره ۳، صفحات ۶۲۳-۶۴۲
عنوان فارسی پیش‌بینی رفتار مشتری در صنعت خرده‌فروشی کالاهای تند مصرف (مورد مطالعه: شرکت گلپخش اول)
چکیده فارسی مقاله هدف: طی دو دهه اخیر، داده‌کاوی به یکی از روش‌های اصلی بهبود اثربخشی و کارایی صنعت خرده‌فروشی تبدیل شده و صنعت خرده‌فروشی نیز به‎دلیل ماهیت داده‌های آن، از زمین‌های بازی مورد علاقه علم داده‌کاوی بوده است. در این مطالعه به پیش‌بینی رفتار مشتری در صنعت خرده‌فروشی کالاهای تند مصرف (FMCG) با هدف افزایش کمّی و کیفی فروش در مورد مطالعه شرکت گلپخش اول پرداخته شده است. روش: تحقیق حاضر از لحاظ هدف در دسته پژوهش‎های کاربردی قرار می‎گیرد و از نظر نحوه گردآوری داده‎ها، پیمایش داده‎ای طرح‎ریزی شده است. مراحل اجرای تحقیق مبتنی بر فرایند CRISP-DM است که از مدل خوشه‎بندی RFMCL و تکنیک‎های دسته‎بندی و پیش‎بینی رگرسیونی استفاده کرده و در نهایت برای پیشنهاد از روش پیشنهاددهی مشارکتی بهره برده است. یافته‎ها: حاصل مطالعه یک مدل پیش‎بینی است که به بهترین مشتریان، کالاهایی را که تا به حال خرید نکرده‌اند، در تاریخ خاص و به مقدار خاص پیشنهاد داده و بدین ترتیب روش فروش سفارشی را به فروش آنی تغییر می‌دهد. سیستم نهایی از سه زیر مدل خوشه‌بندی مشتریان، پیش‌بینی فروش و زیرسیستم پیشنهادگر تشکیل شده است. در زیرمدل خوشه‌بندی، مدل جدید RFMCL متناسب با مورد مطالعه توسعه یافته است. در زیرمدل پیش‌بینی فروش، مدل پنج متغیره‎ای با استفاده از رگرسیون با دقت MSE/Range 24/2 درصد ایجاد شده است. نتیجه‎گیری: با پیاده‌سازی این مدل در شرکت، برنامه‌ریزی تولید پیش‌فعالانه شده و فرایند فروش از ویزیتوری به «فروش آنی» تغییر می‎یابد که این تغییر، صرفه‌جویی شایان توجهی در حمل ‌و نقل و هزینه‌های پرسنلی فروش به ارمغان خواهد آورد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Customer Behaviour Forecasting in FMCG Retail Industry; Golpakhsh Avval Co. Case Study
چکیده انگلیسی مقاله Objective: Providing that data mining has been an effective solution of improving the efficiency and the effectiveness of the retail industry, this industry has been the subject of data mining science due to the nature of its data. In this study, the prediction of customer behavior in the retail industry of Fast Moving Consumer Goods is aimed at increasing the quantity and quality of sales in the study of Golpakhsh Avval Co. Methods: The present study is applied in terms of purpose, using data survey to collect data. The research is based on the CRISP-DM process, which uses the RFMCL clustering model, regression classification and regression techniques as well. Eventually, a collaborative recommendation method has been applied for recommendation. Results: The result is a forecasting model recommended to the best customers goods that they have not bought on a particular date and to a certain amount, so that, the order-based sale is changed to hot sale method. The final solution involves three sub models of customer clustering, sale forecasting and a recommendation system. The five variables model –with MSE/Range accuracy of 2.24% – is solved for recommendation of sales amount. Conclusion: By implementing the developed recommender system in Golpakhsh Avval Co., the proactive production master plan would be possible to execute. In addition, the marketing approach could be transformed from visiting sales to hot sales in the future which provides considerable savings in shipping and personnel costs.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سعید روحانی |
استادیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران، ایران

حامد غضنفری |
کارشناس ارشد مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران، ایران

بابک سهرابی |
استاد گروه مدیریت فناوری اطلاعات، دانشکده مدیریت دانشگاه تهران، تهران، ایران

نشانی اینترنتی https://jibm.ut.ac.ir/article_67131_e1756feff1c91d6bb56f385c5f5ba9c7.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1066/article-1066-779726.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