محمد گرامی فرد - کارشناس ارشد مهندسی فناوری اطلاعات، گرایش تجارت الکترونیک گروه کامپیوتر، دانشکده فنی مهندسی، واحد خمین، دانشگاه آزاد اسلامی،خمین،ایران
محمد خلیلی درمنی - استادیار گروه کامپیوتر، دانشگاه آزاد اسلامی خمین، خمین، ایران

مهم ترین مولفه در هر محیط تجاری و سازمان ها، نیروهای انسانی و مشتریان هستند که می توانند تاثیرگذاری مستقیم و غیرمستقیم بر روی محیط بگذارند، لذا آنالیز آن ها می تواند باعث ارتقاء برنامه ریزی صحیح برای مدیریت منابع سازمانی و پیشرفت در مقوله ERP سازمان ها گردد که درنهایت از یک سو منجر به افزایش کارایی و اثربخشی و بهره وری سازمان و از سوی دیگر باعث ارتقاء هرچه بیشتر در مقولهCRM و مشتری مداری در سازمان ها می گردد. یکی از مواردی که در رابطه با مشتریان یک محیط تجاری می تواند موردبررسی و آنالیز قرار بگیرد، شناسایی رفتاری مشتریان ازنقطه نظر وفاداری است. لذا برای رسیدن به این منظور، به بیان مدل جدیدی از تعاریف مشتریان کمتر وفادار به زبان ریاضی پرداخته شده و نحوه شناسایی محاسباتی آن دسته از مشتریان موردبررسی قرار گرفته است. مدل پیشنهادی رده بندی مشتریان کمتروفادار مبتنی بر الگوریتم تاپسیس فازی است .در خصوص مدل پیشنهادی این نکته قابل بیان است که همه متغیرهای تصمیم گیری از جنس وفاداری هستند که شامل شیب مصرف محصول، ارزش عمر مشتری، و نیز سه عنصر اصلی در مدل RFM می باشند. گزینه های مدل پیشنهادی نیز مشتریان یک فضای تجاری می باشند که هدف اصلی رده بندی اصولی و منطقی آن ها با الگوریتم پیشنهادی است. در بیان مدل پیشنهادی لازم به توضیح است که مقادیر معیارها، به صورت حقیقی بوده که باید به شکل فازی تغییر یابند، در ادامه ماتریس تصمیم فازی با استفاده از معیارهای شناسایی شده تشکیل می گردد که شامل درایه هایی با اعداد فازی است. پس از شناسایی گزینه ها و تشکیل ماتریس تصمیم گیری، از الگوریتم تاپسیس فازی به منظور انتخاب بهترین گزینه استفاده می شود. هدف نهایی از شناسایی و رده بندی مشتریان کمتروفادار، این است که سازمان ها استراتژی های بازاریابی خود را با توجه به پتانسیل های درون سازمانی خود ازجمله منابع، هزینه ها، امکانات سخت افزاری و نرم افزاری و... معین و مشخص نمایند. ازجمله این استراتژی ها می توان به نگهداری و حفظ تعداد مشخصی از مشتریان اشاره کرد. ازجمله استراتژی های دیگر، ارایه برنامه ها و راهکارهای حفظ مشتریان رده پایین است، مانند صرف هزینه تبلیغات بیشتر برای مشتریان رده پایین رتبه بندی یا همان مشتریان کمتروفادار.

مدیریت ارتباط با مشتری، ارزش عمر مشتری، مشتری کمتر وفادار، سیستم های تصمیم یار، تاپسیس فازی، شیب مصرف محصول، رده بندی مشتری