عنوان پایان‌نامه
ارائه استراتژی های بازاریابی مناسب و بهبود مدیریت ارتباط با مشتری براساس خوشه بندی مشتریان بر پایه مدل آر.اف.ام در قسمت فود شیلا
- رشته تحصیلی
- مدیریت فن آوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 61773
- تاریخ دفاع
- ۱۵ بهمن ۱۳۹۲
- دانشجو
- علی رمضانی
- استاد راهنما
- امیر مانیان
- چکیده
- در این پژوهش، در راستای ابعاد چهارگان? مدیریت ارتباط با مشتری، با کمک ابزارها و تکنیک¬های داده¬کاوی به شناسایی مشتریان و دسته¬بندی آنان براساس ویژگی¬های مشابه و نیز تعیین میزان وفاداری آنان و ارائ? استراتژی¬های بازاریابی متناسب می¬پردازیم. این پژوهش بر روی مشتریان یکی از شعبات فست فود شیلا انجام شده است، که برای خوشه¬بندی مشتریان از معیار RFM بهره گرفته شده و از دو الگوریتم Towstep و K-means جهت تعیین تعداد خوش? بهینه و خوشه¬بندی مشتریان و تعیین میزان وفاداری مشتریان استفاده شده است. سپس با استفاده از الگوریتم درخت تصمیم به استخراج قوانین پرداختیم. نتایج این تحقیق نشان می¬دهد که بهترین تعداد خوشه برای بخش¬بندی مشتریان فست فود شیلا بر اساس متغیرهای تاخر، فراوانی و حجم پولی، 5 خوشه می-باشد و نیز قوانینی توسط درخت تصمیم از خوشه¬بندی¬های صورت گرفته استخراج شد که با استفاده از آن¬ها، می¬توان میزان وفاداری مشتریان را سنجید و دست? مربوطه را شناسایی کرد و در پایان استراتژی¬های مناسب با هر خوشه به آن¬ها ارائه می¬گردد.
- Abstract
- in this research, regarding the 4-dimentional types of CRM, we intend to identify the customers and grouping them according to homogenous properties and also measuring the rate of their loyalty and finally offering adequate marketing strategies by data-mining tools and techniques. This research is done on a customer of one the branches of Shila fast-food in which the RFM is used as tool to clustering the customer. The Two-Step algorithm is used to measure the optimal clusters, and K-means algorithm is for measuring customer clusters and the level of customer's loyalty. Then we have started to extract rules with the use of Decision-Tree algorithm. Results have shown that there are 5 clusters for clustering customers of Shila fast-food according to recency, frequency and monetary, and also some rules are extracted by Decision-tree of processed clusters, thereby measuring the level of customer's loyalty, identifying the relevant cluster and finally providing them appropriate strategies with each cluster.
