شماره تلفن : 09307584802

خانه ژورنال دانشجویان ایران

ENglish TO FArsi

ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری

ELSEVIER , Information & Management
Volume 42, Issue 3, March 2005, Pages 387-400

DOI: 10.1016/j.im.2004.01.008

Tittle

Integrating AHP and data mining for product recommendation based on customer lifetime value

Abstract

Product recommendation is a business activity that is critical in attracting customers. Accordingly, improving the quality of a recommendation to fulfill customers’ needs is important in fiercely competitive environments. Although various recommender systems have been proposed, few have addressed the lifetime value of a customer to a firm. Generally, customer lifetime value (CLV) is evaluated in terms of recency, frequency, monetary (RFM) variables. However, the relative importance among them varies with the characteristics of the product and industry. We developed a novel product recommendation methodology that combined group decision-making and data mining techniques. The analytic hierarchy process (AHP) was applied to determine the relative weights of RFM variables in evaluating customer lifetime value or loyalty. Clustering techniques were then employed to group customers according to the weighted RFM value. Finally, an association rule mining approach was implemented to provide product recommendations to each customer group. The experimental results demonstrated that the approach outperformed one with equally weighted RFM and a typical collaborative filtering (CF) method

Keywords

Recommendation; Marketing; Analytic hierarchy process (AHP); Customer lifetime value; Collaborative filtering; Clustering; Association rule mining

Conclusions

Our work involved the introduction of a novel recommendation methodology that combines AHP, clustering, and association rule-based methods. It clusters customers into segments according to their lifetime value expressed in terms of weighted RFM. Applying AHP to determine the relative importance of RFM variables proved important, since the RFM weights vary with the characteristics of product and industry. Moreover, clustering customers into different groups not only improves the quality of recommendation but also helps decision-makers identify market segments more clearly and thus develop more effective strategies. The experimental results show that the proposed methodology indeed can yield recommendations of higher quality. However, the methodology is not effective for all customer groups. It is more effective for more loyal customers. Recommending more items helps to improve the quality of recommendation for more loyal customers, but may not do so for less loyal customers

.

Persian translation

.

ادغام برنامه ریزی های سلسله مراتبی و داده کاوی برای پیشنهاد محصول بر مبنای ارزش طول عمر آن کالا به مشتری

.
چکیده
فرایند تولید , فعالیت تجاری می باشد که در ارتباط با جذب مشتریان بوده و دارای اهمیت زیادی می باشد. بنابراین بهبود کیفیت این فرایندها برای تامین نیاز مشتریان در شرایط رقابتی دارای اهمیت زیادی نیز است. اگرچه راه های متفاوتی در این زمینه مطرح شده است , اما تعداد کمی از آن ها به موضوع اعتبار دادن به مشتریان (CLV) پرداخته اند. معمولا CLV از نظر تازه بودن , تکرار و متغیرهای مالی مورد ارزیابی قرار می گیرند. به هر حال اهمیت نسبی آن از نظر مشخصه های تولید و صنعت متفاوت می باشد. ما در این مورد روش جدیدی را مد نظر قرار می دهیم که تکنیک های تصمیم گیری گروهی و پردازش اطلاعاتی را مد نظر قرار می دهد.برنامه ریزی های سلسله مراتبی نیز برای تعیین متغیرهای نسبی RFM در ارتباط با ارزیابی و دادن اعتبار به مشتریان مد نظر قرار می گیرد. چنین تکنیک های دسته بندی شده بر طبق به فرایند RFM برای گروهی از مشتریان به کار برده شده است. سرانجام یک روش پردازشی بکار برده شده است , تا برای هر یک از این گروه ها فرایند های تولیدی را تعریف کند. نتایج عملی نشان داده است که این روش ها پا را فراتر نهاده و از RFM های یکسان و روش های تعاونی استفاده کرده اند.

۱ مقدمه
رقابت بیشتر شرکت ها را وادار می کند تا نوع آوری های خود را در بازار برای تامین نیاز مشتری و بهبود رضایت آن ها توسعه دهند. استفاده از اینترنت و رشد تجارت الکترونیک فعالیت های بازار را گسترش داده و حجم عظیمی از اطلاعات مربوط به مشتریان را برای تجزیه و تحلیل ایجاد کرده است. این گونه از فعالیت های اقتصادی با استفاده از تجزیه و تحلیل اطلاعات مربوط به مشتریان برای تعیین اولویت های آن ها دارای اهمیت زیادی بوده و باعث بهبود فرایند تصمیم گیری در بازار می گردد. ایجاد حمایت مناسب برای تامین نیاز مشتری در افزایش موفقیت فروشگاه های آنلاین اهمیت داشته و به این ترتیب موفقیت وب سایت ها بستگی به افزایش کیفیت خدمات و اطلاعات برای ارائه به مشتریان دارد.
امروزه , فناوری اطلاعات در حفظ مزایای رقابتی برای شرکت ها کاربرد زیادی دارد. تکنیک های مربوط به پردازش اطلاعات , فناوری هایی هستند که به صورت گسترده برای کسب اطلاعات موجود در بازار و تصمیم گیری های حمایتی در بازارها مورد استفاده قرار می گیرند. چنین فرایندهایی شامل تجزیه و تحلیل های مربوط به سبد کالاها , خرده فروشی ها و تحلیل های مربوط به تجزیه بازار می باشد. لین اتال از این فرایند مربوط به پردازش اطلاعات برای کسب اطلاعات خرده فروشی بین شرکت ها , از اطلاعات موجود در فروشگاه های زنجیره ای استفاده کرده است.

علاوه بر این افرادی به نام هویی و جا از آن برای عرضه خدمات به مشتریان استفاده کرده اند. این اطلاعات می تواند از تصمیم گیری های بازاری و مدیریت ارتباط بین مشتریان حمایت کند.
الگوههای خرید مربوط به هر یک از مشتریان می تواند از طریق تجزیه و تحلیل اطلاعات مربوط به مشتریان تعیین گردد و این امکان را برای شرکت ها به وجود می آورد تا استراتژی های بازاری را توسعه داده و برای هر یک از مشتریان تصمیمات مناسبی بگیرد. روش های مشاوره ای از جمله تکنولوژی هایی می باشند که برای فعالیت های اقتصادی این امکان را به وجود می آورد تا چنین استراتژی هایی را به کار گیرند. آن ها در موارد مربوط به تجارت الکترونیک کاربرد داشته و روش های مربوط به تولید را مد نظر قرار می دهند. این سیستم ها از سوابق خرید مشتریان برای تعیین اولویت ها استفاده کرده و کالاهایی را که مشتریان تمایل به خرید آن ها را دارند مشخص می کند.شافر اتال جزییاتی را در ارتباط با رده بندی این سیستم ها در تجارت الکترونیک ارائه کرده و این فرایند را مشخص می کنند که چگونه آن ها می توانند برای کسب رضایت مشتریان به صورت شخصی در بیایند. معمولا چنین سیستم هایی باعث افزایش احتمالی فروش , به وجود آمدن ثبات مشتریان و تامین نیاز مشتری از طریق کشف علایق افراد در کالاها مورد نظر می گردد.
فیلتر های همکاری (CF) در موارد مختلفی کاربرد دارد. این روش از نوعی درجه بندی استفاده می کند که توسط مشتریان مختلف ارائه می گردد تا پیشنهاداتی را برای مشتریان دیگر ارائه دهد که بر مبنای تجربه آن ها می باشد. سیستم گروهی لنس از روش های CF استفاده می کنند تا اخبار و فیلمهای مربوط به شبکه ها را ارائه دهند. ویدئوها نیز از این روش برای ایجاد توصیه های به مشتریان استفاده می کنند. نمونه هایی مربوط به نوع موسیقی آن به نام RINGO و MRS می باشد. سیتسیر نیز پیشنهاداتی را با جمع آوری دست نوشته ها در این زمینه ارائه می دهد. فیلترهایی که بر مبنای محتوی باشند پیشنهاداتی را نیز از طریق انطباق خصوصیات مشتریان با محتوای موجود ارائه می دهند. Newsweeder نمونه ای از این نوع سیستم می باشد . چانگچین و لو نیز روش هایی را برای پردازش قوانین در ارتباط با حمایت از کالاهای آنلاین ایجاد کرده اند.سایت آمازون نیز از یک فیلتر ارتباطی جزء به جزء برای ایجاد کالاهایی که مد نظر مشتریان می باشد استفاده کرده است. به هر حال تعداد کمی از این شرکت ها برای حفظ مشتریان اقداماتی را انجام داده اند.
از نقطه نظر بازاریابی , مشتریان حتی اگر تولیدات و خدمات مشابهی را خریداری کنند دارای خصوصیات یکسان نیستند.به این ترتیب تقسیم بازار دارای اهمیت زیادی می باشد. شرکت ها به صورت فزاینده های اهمیت ثبات مشتریان را درک کرده اند.چندین بررسی استفاده از CLV را مد نظر قرار داده است. معمولا تازگی , بسامد و روش های پولی برای سنجش این موارد مد نظر قرار گرفته است. این مفاهیم برای جمع کردن مشتریان در فرایند بازاریابی به کار می رود.
فعالیت های مورد نظر ما روش های تولیدی را مد نظر قرار می دهد که باعث ترکیب تصمیم گیری ها و پردازش اطلاعات می گردد. فرایند زنجیره ای مربوط به تحلیل ها برای ارزیابی اهمیت هر یک از متغیر ها بر طبق به گروه تصمیم گیرنده کاربرد دارد. این گونه دسته بندی ها بر اساس اعتبار RFM در مورد هریک از مشتریان انجام می گیرد. و سرانجام اینکه , پردازش , پیشنهاداتی را برای هر یک از گروه ها مطرح می کند.

۲ پیشینه
۲٫۱ تجزیه و تحلیل در ارتباط با ثبات مشتریان و ارزیابی RFM:

ثبات یک مشتری برای تعیین مشتریان سودآور و توسعه استراتژی ها برای مشتریان مورد نظر مد نظر قرار می گیرد. سنجش RFM یک روش مهمی برای ارزیابی ثبات مشتریان می باشد. بلت و ونسبک این موارد را به صورت های زیر تعریف می کنند.۱- تاخیر : دوره ای که از زمان خرید قبلی سپری می شود: هر چه اعتبار پایین تر باشد احتمال خرید تکراری توسط مشتریان بالاتر می رود.۲- بسامد : تعداد خرید هایی که در یک دوره خاص انجام می شود. بسامد بالاتر نشان دهنده ثبات بیشتر می باشد. مالی : مقدار پولی که در یک دوره خاص خرج می گردد. اعتبار بالا نشان دهنده این می باشد که شرکت می بایست تمرکزش را بر روی مشتری قرار دهد.
بررسی های بیشتر به ارزیابی CLV خواهد پرداخت .گادمن این موضوع را بیان می کند که روش های مربوط به RFM مانع از تمرکز بر روی مشتریان سودآورتر می گردد و این امکان را به وجود می آورد تا منابع سودآورتر گردند. هاگ روشی را برای RFM در نظر گرفته است که در ارتباط با طبقه بندی افراد به ۵ گروه مختلف خواهد بود. استون به این موضوع پرداخته است که سنجش های مختلفی که در ارتباط با متغیرهای RFM می باشند بستگی به ویژگی های آن صنعت دارند.
در ارزیابی مشتریانی که از کارت اعتباری استفاده می کنند , او تاکید بیشتر را بر روی بسامد قرار داده است که به دنبال آن تاخر و در سطح پایین تر ارزیابی های مالی قرار می گیرد.به هر حال او به تعیین RFM به صورت عینی پرداخته بدون اینکه روش سیستماتیکی را به کار گیرد.

۲٫۲ تقسیم بازار :
دسته بندی ها باعث به حداکثر رساندن واریانس در میان گروه ها می گردد در حالی که این واریانس را در گروه ها به حداقل می رساند.بسیاری از این واریانس های دسته بندی شده شامل میانگین K , زنجیره ها و میانگین C می باشند. ما از میانگین K برای گروه بندی کردن مشتریان که بر طبق به معیارهای RFM در ارتباط با مشتریانی با ثبات می باشند استفاده می کنیم. دسته بندی میانگین K روشی می باشد که برای پارتیشن بندی مجموعه ای از اطلاعات به یک گروه کاربرد دارد.این الگو از طریق انتخاب طبقه آغازین M مشخص می گردد و به صورت مکرر آن را بهبود می بخشد. ۱- نمونه های مربوط به نوع D به مرکز این دسته بندی ها نزدیک تر است.۲- گروه هایی که در مرکز C قرار دارند از طریق نمونه های مشخصی به روز می گردند. چنین الگوریتم هایی زمانی با هم ادغام می گردند که تغییراتی در نمونه مورد نظر انجام نگیرد.

۲٫۳ فرایند های مربوط به پردازش :
این فرایند به تعیین ارتباط بین مجموعه ای از تولیداتی می پردازد که به طور مکرر خریداری شده و به عنوان یک روش گسترده برای تجزیه و تحلیل در بازار به شمار می آید.آن به دنبال ارتباطاتی می گردد که منجر به حداقل حمایت و حداقل اعتمادسازی می باشد. ضمیمه A ارتباطاتی را در این گونه موارد نشان می دهد. حمایت از قوانین مربوطه نشان دهنده این می باشد که به چه میزان این قوانین در ارتباط با این موارد می باشد. حمایت های بالاتر نشان دهنده ارتباط قوی تری بین اقلام تولید شده می باشند. این اعتمادسازی میزان قابل اعتماد بودن این قوانین را نشان می دهد. این موارد در ارتباط با ارتباط بین اقلام تولید شده می باشد. چنین الگوهای مقدماتی معمولا برای پیدا کردن قوانینی با یک مقدار مشخص مورد استفاده قرار می گیرد. چنین تنظیماتی زمانی به صورت مکرر انجام می گیرد که این موارد فراتر از حداقل تنظیمات مورد نظر باشد.قوانین مربوطه ای که حس اعتمادسازی را در افراد به وجود می آورند می توانند از این طریق ایجاد گردند.

۲٫۴ قوانین مربوطه بر اساس توصیه ها :
سارور اتال روش های مربوط به توصیه های بر مبنای قانون را به این صورت تعریف می کند : برای هر یک از مشتریان , معامله خاصی انجام می گردد که تمام موارد خریداری شده قبلی را توسط مشتریان ثبت می کند.چنین الگوریتم های مربوطه ای به این ترتیب به کار می رود تا به تمام قوانین مورد نظر دسترسی داشته و حداقل حمایت و حس اعتماد را ایجاد کند.برای نمونه کالای N به مشتری U توصیه می گردد و سپس بر مبنای قوانین مشخصی کاربرد خواهد داشت. جزییات مربوط به این مورد در ضمیمه B مشخص شده است.

۲٫۵ فیلترهای همکاری :
چنین فیلترهایی یک الگوریتم مشابهی را مشخص می کند و کالایی را به مشتری U بر مبنای اولویت الگوریتم ها پیشنهاد می کند و این بدان معنی می باشد که آن مشتری دارای ارجهیت نسبت به مشتری U می باشد. این ارجهیت بر مبنای سلیقه و ذائقه خرید مشتری متفاوت می باشد. ضمیمه C روش های مشابهی را برای محاسبه شباهت این اولویت ها در میان مشتریان بر مبنای ضریب همبستگی ایجاد می کند.
مشتریان بر مبنای شباهتشان در ارتباط با مشتریان دیگر طبقه بندی می گردند.یکی از نزدیک ترین مشتریان مربوط به میانگین K به عنوان نزدیک ترین همسایه مشتری U در نظر گرفته می شود. بسامد میزان تولیدات با بررسی کردن اطلاعات خرید نزدیک ترین همسایه K محاسبه می شود. این تولیدات بعد از آن بر مبنای میزان بسامد دسته بندی می شوند.یکی از معمول ترین نوع تولیدات مربوط به گروه N که هنوز توسط مشتریان U خریداری نشده است به عنوان راس این موارد مشخص می گردد.

۳ روش شناسی : ادغام AHP, دسته بندی کردن و قانون گذاری

روش های مشخص شده در این گونه موارد از AHP, دسته بندی و تکنیک های قانون گذاری همان طور که در شکل ۱ نشان داده شده است استفاده می کند. منطق روش های مشخص شده این می باشد که اگر مشتریان دارای قدرت خرید یکسان باشند به این ترتیب احتمال زیادی وجود دارد که آن ها دارای اعتبار RFM یکسانی باشند. به این ترتیب RFM هایی که یکسان هستند می توانند محصولات متفاوت تری خریداری کنند.

.

.

ترجمه شکل از بالا به پایین : آماده کردن و به جریان انداختن اطلاعات- ایجاد اعتبار RFM- دسته بندی کردن CLV های یکسان بر مبنای سنجش RFM- تولیدات مشخص شده – مشخص کردن قوانین مربوطه برای دسته بندی مشتریان- درجه بندی CLV-
بنابراین روشی که در اینجا بیان شد از دو مرحله برای تعیین الگوههای مشابه خرید استفاده می کند .ابتدا اینکه اعتبارات مربوط به RFM برای گروه بندی کردن مشتریان که دارای RFM مشابه می باشند بکار می رود.سنجش متغیر های مربوط به RFM با استفاده از AHP مورد ارزیابی قرار می گیرد. و بر طبق به ارزیابی RFM , میانگین K برای گروه بندی کردن مشتریان که دارای اعتبار و ثبات یکسان هستند به کار می رود. دوم اینکه , روش های مربوط به قانون گذاری برای ایجاد قوانین مورد نظر کاربرد دارد و این فرایند به معنی , الگوههای خرید متناوب در ارتباط با هر یک از مشتریان می باشد. این الگوهها ذائقه خرید مشتریان را با خرید های مشابه نشان می دهد. بنابراین روش هایی که در این مقاله مطرح شد تولیداتی را به مشتریان عرضه می کند که بر مبنای الگوی خرید متناوب به همراه خریدهای مشابه می باشد.
بررسی های موردی نیز برای تشریح این روش ها ارائه شده است. آن شامل یک شرکت سخت افزاری می باشد که به تولید چرخ , وییلچر و تخت برای صنایع , بیمارستان و موسساتی که آن را به کار می برند می پردازد.این شرکت بیش از ۳۰۰۰ کالا تولید می کند. تصمیم گیران مربوط به این بخش ها مشتریان را به صورت گروهی مد نظر قرار داده و استراتژی های بازاری را برای تامین نیاز مشتریان و افزایش سهام مشتریان در بازارها بهبود می بخشند. در طی ۲ سال معاملات تجاری با مشتریان تقریبا به اندازه ۷۰۰۰۰ ردیف اطلاعاتی جمع آوری شد . این مجموعه اطلاعاتی به جریان انداخته شد تا خلاصه وضیعتی از معاملات مشتریان ارائه گردد. سوابق غیر معقول در ارتباط با مشتریانی که خرید های غیر منطقه ای داشته اند اما معامله ای در این بخش ها انجام نداده اند نیز حذف شده بود. اعتبارات مربوط به RFM در مورد ۸۹۵ مشتری از پایگاه های اطلاعاتی بری سنجش CLV مشتریان مورد سنجش قرار گرفت.

۳٫۱ روش های AHP:
این روش برای تعیین اهمیت نسبی متغیرهای RFM کاربرد دارد سه مرحله اصلی مربوط به AHP به صورت زیر می باشد.
۳٫۱٫۱ مرحله ۱- مقایسه دو به دو.
این روش از آنالیزورها می خواهد تا مقایسه دو به دو را در ارتباط با اهمیت نسبی متغیرهای RFM با استفاده از مقیاس های نشان داده شده در جدول ۱ انجام دهد.

.

جدول یک

.

۳٫۱٫۲ مرحله ۲- ارزیابی های مربوط به قضاوت دو به دو :
آنالیزورها ممکن است قضاوت ها نادرستی در زمینه مقایسه دو به دو داشته باشند. قبل از اینکه سنجش ها انجام شود , میزان ناسازگاری ها توسط شاخص های دیگر اندازه گیری می شود. سازگاری های کامل باعث ایجاد شاخص های ناسازگارانه ای می گردد.به هر حال سازگاری کامل به ندرت وجود خواهد داشت از این رو افراد اغلب جانبدارانه عمل کرده و قضاوت های عینی را انجام می دهند. از این رو , شاخص های کمتر از ۰٫۱ قابل قبول می باشد. اگر این شاخص فراتر از این باشد چنین قضاوت هایی می بایست قبل از سنجش RFM محاسبه گردد.
۳٫۱٫۳ مرحله ۳ – محاسبه فرایند های نسبی :
این مرحله به ارزیابی عناصر تصمیم گیرنده می پردازد.این فعالیت ها نوعی محاسبه را در بر می گیرد که به بررسی سنجشی RFM می پردازد.
در مطالعات مورد نظر , سه گروه از ارزیابی کننده ها , سنجش های مربوط به RFM را انجام می دهند. که شامل ۳ مدیر اجرایی , ۲ مدیر اقتصادی در بخش فروش و یک مشاور بازاریابی و ۵ مشتری که قبلا حداقل یک بار خرید را انجام داده باشند. این گروه دعوت می شود تا به ارزیابی اهمیت نسبی متغیرهای RFM بپردازد.اطلاعات مورد نظر با بررسی آنالیزورها جمع آوری می شود. و جواب به صورت ماتریکس ارائه می گردد.
بر طبق به ارزیابی های انجام شده سنجش های مربوط به متغیر RFM برابر با ۰٫۷۶۱-۰٫۱۸۸ و ۰٫۰۸۱ می باشند.این سنجش ها در ارتباط با RFM نشان می دهد که تاخیر مهمترین شاخص در این زمینه می باشد. بنابراین آنالیزورها می بایست تمرکز خود را بر این موضوع قرار دهند که آیا مشتریان به طور مستمر خرید انجام می دهند یا خیر ؟ اگر بعضی از افراد هیچ معامله ای را برای طولانی مدت انجام ندهند ان ها ممکن است از دست روند و به سمت صنایع دیگر رو بیاورند.

.

جدول دو جدول سه صفحه ۹ وورد

.

این پست آزمایشیست و تکمیل خواهد شد.

من سامان نصیری نویسنده این مقاله هستم.

تاریخ انتشار: ۱۶ مهر ۱۳۹۸
13 بازدید
برچسب ها: , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,

مطالب مرتبط

Dr. Lotfi Aliasker Zadeh

۷ مهر ۱۳۹۸

دیدگاه ها

درباره ما

وبسایت “خانه ژورنال دانشجویان ایران” از اولین پایگاه های علمی کشور بود که از سال 1388 فعالیت خود را در زمینه ترنسلیت و ارائه مقالات علمی انگلیسی با ترجمه فارسی در قالب یک وبلاگ آغاز نمود… ادامه

پل های ارتباطی با ما …

تبریز ، بخش مقصودیه ، خیابان ارتش جنوبی، کوچه شهید شهابی ، بن بست باغچه ، پلاک ۸۷ ، طبقه 4
تلفن تماس : 04135421108-09307584802
ایمیل : entofa@gmail.com


Unit4,No87,Baghcheh Alley,South Artesh ST,Azadi ave,MAGHSUDIYEH, Tabriz, Iran