خوشه بندی مشتریان فروشگاه آنلاین با الگورتیم K-means

خوشه بندی مشتریان فروشگاه آنلاین با الگورتیم K-means

احسان ارمیان1 گودرز سعادتی مقدم2

1) دانشجوی کارشناسی ارشد مهندسی فناوری اطلاعات – تجارت الکترونیک،
2) استادیار گروه مهندسی فناوری اطلاعات – تجارت الکترونیک، دانشگاه جامع انقلاب اسلامی،

کد IOI مقاله : ABDE-ABKGCB
محل انتشار : ششمین کنفرانس بین المللی تحقیقات پیشرفته در مدیریت و علوم انسانی مونیخ، آلمان(huconf.com)
چکیده :
    سیستم‌های تجارت الکترونیک، امکان بازاریابی و معرفی محصولات از طریق اینترنت را فراهم می‌کند و بازاریابی سنتی بدلیل کارایی کمتر، به مرور جایگزین میگردد. برای افزایش سودآوری، بخش بندی مشتریان بر اساس ویژگی‌های مشترک صورت می‌گیرد تا نحوه برخورد با هر مشتری مشخص گردد. این کار، با معیارهای مختلفی از جمله رفتاری، جغرافیایی، جمعیت شناختی و روان شناختی انجام می‌گردد. در این پژوهش، از مدل RFM که به عنوان یکی از ابزارهای مناسب برای استخراج ویژگی های رفتاری و سنجش ارزش مشتریان شناخته می شود، استفاده می شود. همچنین برای پوشش دقیق‌تر ابعاد رفتاری و سنجش ارزش متوسط تراکنش‌ها، شاخص ترکیبی «میانگین ارزش هر خرید» یا AMV نیز به عنوان مؤلفه‌ای مکمل استفاده گردید. در فرایند خوشه بندی از الگوریتم k-means++ که نسخه بهبود یافته kmeans است، برای بهینه‌سازی و تایید تعداد خوشه‌ها، علاوه بر روش‌های «آرنج» و «سیلوئت» ، از شاخص‌های دیویس-بولدین و آزمون آماری Bootstrap ARI جهت اطمینان از پایداری و تکرارپذیری بخش‌بندی استفاده شده است. نتایج پژوهش منجر به شناسایی سه گروه مجزای مشتریان (استراتژیک، جستجوگران بالا و مشتریان گذری) گردید. در نهایت، این رویکرد به کسب‌ وکارهای آنلاین کمک می‌کند تا با ارائه تجربه‌های سفارشی‌سازی شده، موجب افزایش رضایت و وفاداری مشتریان بالقوه گردند.

کلمات کلیدی : خوشه بندی مشتریان مدل rfm الگوریتم k means روش آرنج و تحلیل سیلوئت