دسته‌بندي و پيش بيني دسته هاي مشتريان به كمك تلفيق روش LRFM، چندك‌ها و روش هاي داده‌كاوي چندكلاسه

امروزه مديريت ارتباط با مشتري به ضرورتي اجتناب‌ناپذير در سازمان ‌ها تبديل شده است. با اين حال، يكي از مشكلات اوليه در اين زمينه، فقدان معيار مشخص براي طبقه ‌بندي مشتريان است. ايجاد مدل ‌هاي پيش‌بيني از دسته‌ هاي مشتري نيز يكي از معضلات مديريت ارتباط با مشتري است. براي اين منظور در اين مقاله، از تلفيق روش LRFM به همراه مفاهيم چندك ‌ها و روش‌ هاي داده‌كاوي چندكلاسه براي دسته‌ بندي مشتريان استفاده شده است. در اين راهكار، ابتدا ركوردهاي اطلاعاتي مشتريان بررسي و پالايش شدند تا داده ‌هاي نامعتبر حذف گردند. سپس با تركيب مفاهيم روش LRFM و چندك ‌ها، مشتريان دسته ‌بندي شده ‌اند. در ادامه، به‌منظور تشخيص و طبقه‌ بندي مشتريان جديد، خروجي ‌هاي به‌دست‌آمده، در معرض انتخاب ويژگي قرار گرفتند و ويژگي ‌هاي اضافي آنها حذف شدند. سپس، ويژگي‌هاي باقي‌مانده براي ايجاد مدل‌هاي پيش‌بيني ‌كننده دسته مشتريان به طبقه‌بند‌ي‌هاي مختلف منتقل ‌شدند. برخلاف تحقيقات پيشين، در اين مقاله، از معيارهاي ارزيابي چندكلاسه ميكروسكوپي و ماكروسكوپي براي ارزيابي عملكرد پيش‌بيني‌كننده‌ها استفاده شده است. به‌منظور ارزيابي نتايج، در يك مطالعه موردي، بخشي از اطلاعات مشتريان شركت سرچين خراسان مورد استفاده قرار گرفته است. ارزيابي‌ ها نشان مي‌دهد كه دقت مدل‌هاي پيش‌بيني روش پيشنهادي در طبقه‌بندي مشتريان، بالاتر از دقت روش مرسوم دسته ‌بندي مشتريان به كمك K Means است. همچنين روش پيشنهادي در تشخيص گروهي ركوردها عملكرد بهتري دارد.