آموزش داده كاوي با SPSS Modeler (به زبان فارسي)

0
Telegram_GEEKBOY

یکی از تکنیک‌های ساده و کاربردی برای بخش‌بندی مشتریان، تحلیل ارزش مشتریان با مدل RFM است. این تکنیک به ما کمک می‌کند مشتریانی که برایمان سودآورتر هستند را شناسایی کنیم و آن‌ها را به طبقه‌های مختلف پلاتینی، طلایی،‌ نقره‌ای، برنزی و… تقسیم نماییم. با این کار می توانیم برای هر طبقه، سیاست قیمت‌گذاری و پرداخت خاصی در نظر بگیریم.

RFM، حروف اول سه متغیر زیر هستند:

تازگی خرید (Recency): فاصله زمانی بین آخرین خرید صورت گرفته تا امروز

تعداد دفعات خرید (Frequency): تعداد دفعاتی که مشتری در دوره زمانی خاص اقدام به خرید کرده

ارزش پولی خرید (Monetary): مقدار پولی که مشتری در دوره زمانی خاص برای خرید اختصاص داده

روش‌های مختلفی برای محاسبه شاخص RFM ارائه شده ولی یکی از ساده‌ترین آن‌ها به این صورت است که برای هر کدام از شاخص‌ها، یکی از اعداد 1 تا 5 را در نظر گرفته می‌شود. فرض کنید می‌خواهید این شاخص را برای تحلیل ارزش مشتریان‌تان در یک سال گذشته به دست آورید:

برای محاسه R، فهرست مشتریان‌ را بر اساس زمان آخرین خرید،‌ مرتب کنید. به نزدیک‌ترین خرید عدد 5، به دورترین خرید عدد 1 و به سایر شرکت‌ها، عددی بین 1 تا 5 اختصاص بدهید.

برای محاسبه F، فهرست مشتریان‌ را بر اساس تعداد خرید در دوره زمانی مرتب کنید. به بیشترین تعداد خرید عدد 5 ، به کمترین تعداد خرید عدد 1 و به سایر شرکت‌ها، عددی بین 1 تا 5 اختصاص بدهید.

برای محاسبه M، فهرست مشتریان‌ را بر اساس جمع رقم خرید در دوره زمانی مرتب کنید. به بیشترین مقدار خرید عدد 5، به کمترین مقدار خرید عدد 1 و به سایر شرکت‌ها، عددی بین 1 تا 5 اختصاص بدهید.

تا کنون هر مشتری سه عدد مستقل بین 1 تا 5 دریافت کرده است. اگر این سه عدد را در هم ضرب کنید، ارزش هر مشتری، عددی بین 1 تا 125 خواهد شد. حالا می‌توانید با توجه به توزیع نتایج به دست آمده، مشتریان را دسته بندی کنید. مثلا مشتریانی که امتیاز بالای 110 دارند مشتریان پلاتینی، بین 95 تا 110 مشتریان طلایی و… می‌شوند.

این تکنیک ساده باعث تقویت وفاداری مشتریان ارزشمند سازمان می‌شود و آن‌ها را به خرید بیشتر ترغیب می‌کند. در سایه این برخورد متفاوت با مشتریان ارزشمند، سودآوری شرکت هم افزاش می‌یابد.

در صورتی که مطالب سایت برای شما مفید بوده است، می توانید از طریق لینک زیر از سایت حمایت کنید.

ممکن است شما دوست داشته باشید بیشتر از نویسنده

ارسال یک نظر

آدرس ایمیل شما منتشر نخواهد شد.