تقسیم بندی مشتریان بر اساس مدل RFM با استفاده از الگوریتم فراکتال
عنوان مقاله: تقسیم بندی مشتریان بر اساس مدل RFM با استفاده از الگوریتم فراکتال
شناسه ملی مقاله: ITCT23_086
منتشر شده در بیست و سومین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات در سال 1403
شناسه ملی مقاله: ITCT23_086
منتشر شده در بیست و سومین کنفرانس بین المللی فناوری اطلاعات، کامپیوتر و مخابرات در سال 1403
مشخصات نویسندگان مقاله:
آرین سرشار - کارشناسی ارشد مهندسی فناوری اطلاعات - تجارت الکترونیک کامپیوتر برق و کا مپیوتر دانشگاه آزاد الکترونیکی واحد الکترونیکی تهران، ایران
اعظم السادات نوربخش - استادیار، گروه کامپیوتر و فناوری اطلاعات، واحد لاهیجان، دانشگاه آزاد اسلامی ، لاهیجان، ایران
خلاصه مقاله:
آرین سرشار - کارشناسی ارشد مهندسی فناوری اطلاعات - تجارت الکترونیک کامپیوتر برق و کا مپیوتر دانشگاه آزاد الکترونیکی واحد الکترونیکی تهران، ایران
اعظم السادات نوربخش - استادیار، گروه کامپیوتر و فناوری اطلاعات، واحد لاهیجان، دانشگاه آزاد اسلامی ، لاهیجان، ایران
از مهمترین ابعاد مدیریت ارتباط با مشتری ، کشف الگوی رفتاری خرید مشتری است . سازمان می تواند با تعریف استراتژی های بازاریابی دقیق تر جهت جذب مشتریان مشابه اقدام کند. در دنیای رقابت ی امروز، شناخت دقیق مشتریان و توانایی پاسخگویی به نیازهای آنها برای موفقیت سازمانها حیاتی است . با پیشرفت های اخیر در حوزه داده کاوی و تحلیل دادههای بزرگ، سازمانها اکنون قادر به استفاده از روشهای پیچیده تری برای تقسیم بندی مشتریان و درک بهتر رفتار آنها هستند. مدل تازگی ، فراوانی و مالی (RFM) به عنوان یکی از مدلهای مطرح در این زمینه ، امکان تقسیم بندی مشتریان بر اساس ارزش آنها برای سازمان را فراهم می آورد. در این پایان نامه ، یک طرح تقسیم بندی مشتریان با استفاده از خوشه بندی فراکتال و روش بهینه سازی AVOAGA که ترکیبی از دو روش بهینه سازی کرکس آفریقایی و روش ژنتیک است ارائه شده است . شبیه سازی طرح پیشنهادی در محیط پایتون و با استفاده از مجموعه دادههای استاندارد حاوی RFM مشتریان انجام شد. بر اساس نتایج بدست آمده از شبیه سازی ، طرح پیشنهادی در هر دو شاخص پیمانگی و پراکندگی نسبت به طرح پایه بهبود یافته است .
کلمات کلیدی: تقسیم بندی مشتریان، مدل RFM، خوشه بندی ، بهینه سازی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/2059716/