الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 38000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
شماره
۱۸۷
کد مقاله
MNG187
مترجم
گروه مترجمین ایران ترجمه – irantarjomeh
نام فارسی
سیستم هوشمند تفکیک مشتریان سودآفرین بر مبنای ابزارهای هوش تجاری
نام انگلیسی
Intelligent profitable customers segmentation system based on business intelligence tools
تعداد صفحه به فارسی
۲۸
تعداد صفحه به انگلیسی
۸
کلمات کلیدی به فارسی
مدیریت ارتباط با مشتری, سودآوری مشتری, تفکیک مشتری, بررسی رضایت مشتری
کالج مدیریت صنعتی، دانشگاه فن آوری و آموزش کره جنوبی
الزویر
مرجع به انگلیسی
Expert Systems with Applications; School of Industrial Management, Korea University of Technology and Education, South Korea
Department of Industrial Engineering, Korea Advanced Institute of Science and Technology (KAIST),
South Korea; Elsevier
کشور
کره جنوبی
سیستم هوشمند تفکیک مشتریان سودآفرین بر مبنای ابزارهای هوش تجاری
چکیده
برای موفقیت CRM، تمرکز بر روی سودآورترین مشتری های یک شرکت مهم می باشد. اغلب تحقیقات CRM در زمینه محاسبه میزان سودآوری مشتری و گسترش مدلی جامع برای آن است. با این حال اغلب این تحقیقات با محدودیت هایی روبرو بوده و از همین رو است که هنوز توجه کافی به مدل تفکیک مشتری بر اساس سودآوری مبذول نشده است. هدف این مقاله ارائه روشی آسان، کارآمد و عملا جایگزین بر اساس بررسی میزان رضایت مشتری، برای تفکیک مشتری های سودآور، می باشد. بنابر این، ما یک سیستم چند عاملی، به نام سیستم تفکیک مشتری هایِ سودآور تحقیقات – مبنا را ارائه می نمائیم که وظیفه آن گردآوری اطلاعات میزان رضایت مشتری و کاوش میزان رضایت مشتری، جمعیت شناسی اجتماع و بانک اطلاعات حسابداری، با استفاده یکپارچه از ابزارهای هوش تجاری از جمله تحلیل پوششی داده ها (DEA)، شبکه عصبی نگاشت خود سازمانده (SOM) و C4.5 برای تفکیک مشتری های سود آور می باشد. بر این مبنا، یک مطالعه موردی در ارتباط با تفکیک مشتریان سودآور در یک شرکت موتوری ارائه می شود.
کلمات کلیدی: مدیریت ارتباط با مشتری، سودآوری مشتری، تفکیک مشتری، بررسی رضایت مشتری
هوش تجاری تفکیک مشتریان سودآفرین
۱- مقدمه
در محیط رقابتی تجاری امروز، توانایی شناسایی مشتریان سودآور، ایجاد وفاداری طولانی مدت و حفظ این رابطه وگسترش روابط کنونی از شاخصه های کلیدی رقابتی برای یک شرکت به شمار می رود. برای دست یابی به این شاخصه ها، شرکت های در خلال طیفهای گسترده صنعتی، مدیریت روابط با مشتری(CRM) را بعنوان یکی از استراتژی های پیشگام تجاری خود در خصوص یکپارچگی فروش، بازاریابی و خدمات واحدهای تجاری گوناگون و مراکز تماس با مشتری بحساب آورده اند.
CRM به شرکت ها در شناخت ارزش مشتری، تعامل با سودآورترین مشتری ها، و ایجاد و حفظ روابطی که منجر به افزایش سودآوری و وفاداری می شود، کمک می کند. ارزیابی دقیق سودآوری مشتری و برحسب سودآورین ترین مشتری ها از عناصر اصلی موفقیت CRM می باشد.
اغلب تحقیقات CRM برای محاسبه سودآوری مشتری بر اساس ارزش طول عمر مشتری و توسعه مدلی جامع برای آن انجام می گیرد. با این حال، آنها غالبا محدودیت هایی را با توجه به در نظر نگرفتن فرآیند تغییر در سودآوری مشتری تجربه کرده که حتی ممکن است به از دست دادن مشتری بیانجامد. بر این مبنا، آنها می بایست شاخصه هایی همچون احتمال فعالیت مجدد مشتری، هزینه جذب/خدمات و علت از دست دادن مشتری را در نظر بگیرند.
…
این مقاله بشرح ذیل سازماندهی شده است: بخش دوم، بررسی تاریخچه تفکیک مشتری های سودآور و بررسی میزان رضایت مشتری را نشان می دهد. در بخش سوم، ما روش شناسی تحقیق خود برای تفکیک مشتری های سودآور بر اساس بررسی میزان رضایت مشتری را معرفی کرده و ساختار اصلی سیستم پیشنهادی برحسب چنین روشی را ارائه می نمائیم. نمونه ای موردی در ارتباط با تفکیک مشتری های سودآور شرکت Motor در کره جنوبی و اظهارات پایانی و نتیجه گیری در نهایت در بخش ۵ ارایه می شود.
سیستم هوشمند تفکیک مشتریان سودآفرین ابزارهای هوش تجاری
۲- بررسی میزان رضایت مشتری و تفکیک مشتری های سودآور
مدل های تفکیک مشتری سنتی بر اساس ویژگی های جمعیت شناسی و بازارشناسی یک مشتری مد نظر بوده که نتایج بسیار ساده ای را نیز به دنبال داشته اند و برای محیط تجاری- رقابتی پیچیده امروز از دقت کافی برخوردار نمی باشند. اخیرا، به صورت معمول تفکیک مشتری براساس داده های تراکنشی و رفتاری مشتری (مثل نوع خرید، تعداد و تاریخچه خرید، تماس با مرکز ثبت شکایات، فعالیت های اینترنتی ) که با سیستم های اطلاعاتی مختلفی گردآوری شده اند، صورت می گیرد. با این وجود تفکیک مشتری بر اساس سودآوری وی برای شرکت همچنان کاربرد کمی دارد.
هوش تجاری تفکیک مشتریان سودآفرین
۳- تفکیک مشتری های سودآور بر اساس بررسی میزان رضایت مشتری
ما سیستم تفکیک مشتری های سودآور بر اساس بررسی (SPCSS) ، مبتنی بر بررسی داده و تکنولوژی نماینده که مطالعه میزان رضایت مشتری را طراحی و اجر ا می کند (آنلاین، ایمیل و …) و روند های بررسی از پیش تعریف شده برای تفکیک مشتری های سودمند را پیشنهاد می کنیم. SPCSS نوعی معماری مبتنی بر چند نماینده دارد و انسجام بررسی از پیش تعریف شده بر چهارچوب سیستم پشتیبانی از تصمیم را تحت تاثیر قرار می دهد.
۳٫۱٫ تفکیک مشتری های سودآور توسط نماینده PCS
اولین گام یافتن مشتری هایی از میان مشتری های بررسی شده است که از هزینه های ورودی شرکت (هزینه تولید، هزینه انبار، هزینه تحویل، هزینه خدمات و هزینه مدیریت مشتری ها) خروجی آنها (میزان رضایت آنها، تمایل به خرید مجدد، نظرات دهان به دهان و سود/ضرر به شرکت) دارای بازده بالاتری باشند. ما در مطالعه این گروه از مشتری های دارای بازده بالاتر را مشتری های HECG (گروه مشتری های دارای بازده بالاتر) می نامیم.
۳٫۲٫ تعیین ترتیب اولویت مشتری های غیر- سودآور توسط نماینده PCS
پس از اینکه نماینده PCS مشتری های سودآور را تفکیک کند، احتمال تغییر مشتری غیر سودآور به مشتری سودآورد برای همه غیر-PCs، ارزیابی می کند، و با توجه به میزان احتمال، ترتیب اولویت را تعیین کند. شکل ۴ روند تعیین ترتیب اولویت را در نماینده PCS نشان می دهد.
هوش تجاری تفکیک مشتریان سودآفرین
۴- بررسی موردی تفکیک مشتری های سودآور در یک شرکت موتوری
ما یک نمونه اولیه SPCSS مبتنی بر وب را اجرا کردیم و تاثیرِ روشِ خود از طریق داده بررسی میزان رضایت مشتریِ شرکتِ موتورِ T اعتبار بخش نشان دادیم.
نماینده مدیریت بررسی (SM) در SPCC ، با ایمیل و ۴۹۱ پاسه از سوی مشتری ها به این بررسی، مت میزان رضایت مشتری از شرکت T را انجام داد. نماینده SM بررسی مشتری ها را از بانک اطلاعات مشتری های شرکت T انتخاب کرد. از همه مشتری های جوابگو، خواسته شد تا به ۲۴ سوالی پاسخ دهند که شاخصه هایی از جمله کیفیت محصول، خدمات مشتری، میزان رضایت کلی، قصد خرید مجدد و نظرات دهان به دهان و از این قبیل را موضوع خود قرار داده اند.
۴-۱٫ تفکیک مشتری سودآفرین شرکت T بر حسب نماینده PCS
نماینده PCS نسبت به اجرای یک DEA اقدام نموده تا قابلیت انتخاب مشتری هایی که دارای بازده بیشتری، با توجه به میزان خروجی در برابر هزینه ورودی، را داشته باشد. DEA ، بازده نسبی همه ۴۹۱ مشتری بررسی شده دارای ۵-ورودی (ارزش بازایابی، هزینه تولید، هزینه انبار، هزینه تحویل و هزینه خدمات)، و ۴-خروجی (سطح رضایت کلی مشتری، قصد خرید مجدد، نظرات دهان به دهان حاصل از بانک اطلاعاتِ بررسیّ میزانِ رضایتِ مشتری و سود/ضرر آنها به شرکت T که از بانکِ اطلاعاتِ حسابداریِ آن بدست می آید) را تخمین می زند.
۴٫۲٫ تعیین ترتیب اولویت مشتری غیر- سودآور شرکت T توسط نماینده PCS
برای شناسایی شاخصه های تمییز کننده ای که دقیقا مشتری ها را به PCG و غیر-PCG تقسیم می کند؛ در میان شاخصه هایی از جمله طراحی، رنگ، راحتی چرخش، صدای موتور، مصرف سوخت، قیمت، خدمات پس از فروش، و… که در بررسی میزانِ رضایت مشتریِ شرکتِ T مورد پرسش و پاسخ قرار گرفت؛ نماینده PCS است که C4.5 را اجرا می کند.
هوش تجاری تفکیک مشتریان سودآفرین
۵- نتیجه گیری
برای تفکیک هوشمندِ مشتری های سودآورِ شرکت بنابر سودآوریِ آنها، ما روشی جایگزین و ساده را براساس کاوشِ بررسیِ میزانِ رضایتِ مشتری، بانکِ اطلاعاتیِ جمعیت شناسیِ-اجتماعی به جای استفاده از مدل پیچیده مشتری هایِ سودآور ارائه دادیم.
در ابتدا روش ارائه شده، از DEA برای یافتن مشتری های دارای بازده مالی بالاتر؛ یعنی HECG یا گروه مشتری های با بازده بالا، در میان همه مشتری هایی که خروجی آنها نسبت به ورودی شرکت مورد بررسی قرار گرفته است؛ استفاده می کرد. سپس از SOM ، با حذفِ مشتری های نامطلوب از میانِ مشتری های HECG، برای تشکیل گروهِ مشتری های سودآور (PCG) استفاده می کرد. سرانجام با موفقیت از C4.5 و SOM برای تعیین ترتیبِ اولویتِ مشتری هایِ غیر-PCG استفاده می کند.
ما همچنین سیستم تفکیکِ مشتری هایِ سودآور مبتنی بر بررسی ارائه دادیم که بررسی های میزان رضایتِ مشتری و پروسه واکاوی داده ها را برای تفکیکِ مشتری های سودآور انجام می دهد.
زمانی که کارما عملا مورد استفاده قرار می گیرد، تنظیمات مناسبِ ضوابطِ نمره بازده در تحلیل DEA و ضوابطِ شباهت در طبقه بندیِ SOM مورد نیاز است. ما این انتظار را داریم که بررسی ما فرصتی را برای استفاده از داده بررسی های مختلف از جمله بررسی فعالِ رضایتِ مشتری پیشنهاد می کند و روشی هوشمند را برای تفکیک مشتری های سودآور، توسعه می دهد.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
