سیستم پشتیبان تصمیم جهت دسته بندی مشتریان با استفاده از داده کاوی و مدل rfm

هدف از دسته بندی مشتریان، شناسایی رفتار خرید آنها و پیدا کردن الگوهای مشابه در پایگاه داده های خرید آنها می باشد تا از این طریق بتوان مشتریانی که رفتار شبیه به هم در خرید را دارند، شناسایی کرده و سپس مشتریان مشابه از جهت میزان وفاداری به محصولات سازمان را در دسته های متفاوتی قرار داد. این تحقیق می کوشد تا با تاکید بر مدل های داده کاوی در حوزه خوشه بندی، یک سیستم پشتیبان تصمیم گیری جهت بهبود مدیریت ارتباط با مشتری و تدوین استراتژیهای بازاریابی ویژه هر دسته از مشتریان ارائه نماید. بدین منظور پس از بررسی تحقیقات و مقالات موجود، مرور ادبیات تحقیق، از متغیرهای rfm جهت دسته بندی مشتریان استفاده شده است و سپس داده های جمع آوری شده با استفاده از نرم افزار spss clementine مورد تجزیه و تحلیل قرار گرفت و از الگوریتم k-means جهت خوشه بندی مشتریان استفاده شده است. در نهایت، با استفاده از درخت تصمیم قوانین مربوط به هر دسته از مشتریان استخراج شده و دقت مدل توسط نرم افزار مورد بررسی قرار گرفت. با توجه به قوانین بدست آمده که بر اساس قوانین if-then عمل می کنند یک سیستم پشتیبان تصمیم بر مبنای قوانین مورد طراحی قرار گرفت. نتایج حاکی از آن است که مدل پیشنهادی به خوبی می تواند جهت تدوین استراتژیهای بازاریابی مورد استفاده قرار گیرد.