زهرا طلوع - دانشجوی کارشناسی ارشد، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران
حمیدرضا دزفولیان - استادیار، گروه مهندسی صنایع، دانشکده مهندسی، دانشگاه بوعلی سینا، همدان، ایران

توسعه فناوری اطلاعات و ایجاد قابلیت جمع آوری و ذخیره داده در حجم بسیار بالا، ابزارهایی برای کمک به انسان در استخراج اطلاعات مفید از این حجم داده ها را ایجاب می کند. لازمه ی این امر پالایش اطلاعات مفید از بین داده های خام است. این پژوهش به تحلیل داده های نمایندگی های مجاز خدمات پس از فروش یک شرکت خودروسازی سنگین با استفاده از تکنیک های داده کاوی پرداخته است. در ابتدا مدل RFM بر روی داده های پژوهش پیاده سازی شده و به وسیله ی دو روش کا – میانگین و دو مرحله ای خوشه بندی انجام شده است، سپس با استفاده از روش ارزش دوره عمر مشتریان، خوشه های حاصل به لحاظ وفاداری رتبه بندی شده اند. در ادامه دو روش خوشه بندی با هم مقایسه شده و اهمیت هر کدام بیان شده است. در نهایت تحلیل خوشه ها انجام شده است که بدین طریق می توان ارائه خدمات پس از فروش را متناسب با انواع مشتریان بهبود داد و در نتیجه مشتریان وفادار و سودآوری شرکت را افزایش داد.

داده کاوی، مدیریت ارتباط با مشتری ) (CRM، وفاداری، خوشه بندی، ارزش دوره عمر مشتری ) (CLV