عنوان پایان‌نامه
ارائه الگوئی برای تعیین ارزش چرخه عمر مشتری و دسته بندی مشتریان
- رشته تحصیلی
- مهندسی صنایع- صنایع
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس البرز شماره ثبت: 499;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 68980
- تاریخ دفاع
- ۳۰ بهمن ۱۳۹۳
- دانشجو
- بهرام آیرملو
- استاد راهنما
- عباس کرامتی
- چکیده
- مدیریت ارتباط با مشتری(CRM) ابزاری کارآمد برای بدست آوردن، نگهداری و افزایش رضایتمندی مشتریان در صنایع رقابتی می باشد . یکی از مهمترین ابزارها در جهت رسیدن به مدیریت ارتباط با مشتری سودآور، محاسبه ارزش دوره عمر مشتری Customer Lifetime (CLV)Value است که باعث میشود سازمان بیشترین تلاش خود را برای حفظ مشتریان با سودآوری بیشتر متمرکز کند. CLV مقدار ارزشی است که انتظار می رود یک مشتری در یک افق زمانی معین برای سازمان به همراه داشته باشد که بدون شک این ارزش با میزان منفعتی که از این دسته مشتریان عاید شرکت می شود ارتباط مستقیم دارد. کلینیک‌های ارائه دهنده خدمات زیبایی مانند سایر سازمان‌ها می‌توانند از ارزش چرخه عمر مشتری به عنوان ابزاری در جهت رسیدن به هدف‌های مورد¬¬ نظر خود در زمینه ارتباطات با مشتریان استفاده کنند. در این تحقیق با هدف ارائه الگویی برای تعیین ارزش چرخه عمر مشتریان کلینیک زیبایی و دسته بندی، مشتریان دارای سوابق ثبت شده در پرونده مراجعان مورد بررسی قرار خواهد گرفت. اهداف دیگر تحقیق تعیین وزن و اهمیت نسبی شاخص‌های مورد استفاده در دسته‌بندی مشتریان کلینیک زیبایی ، تعیین رتبه CLV هر یک از دسته‌های مشتریان و مشخص کردن استراتژی‌های مناسب کلینیک در برخورد با هر یک از دسته‌های مشتریان است. در ارائه الگو از سه متغیر اصلی تازگی مراجعه (تعداد روزهای سپری شده از آخرین مراجعه مشتری)، فراوانی خدمات (تعداد خدمات ثبت شده مشتریان) و ارزش مالی (میزان سودآوری مشتری) استفاده خواهم کرد. همچنین اهمیت نسبی سه متغیر مذکور (WR, WF, WM) به عنوان مقادیر دیگر مورد استفاده قرار خواهد گرفت. در این تحلیل قصد دارم پس از جمع آوری اطلاعات مشتریانو تحلیل آن، از روش Fuzzy TOPSIS برای وزن¬دهی نسبی به هر یک از مولفه های R,F,M استفاده نمایم که مزیتش استفاده از رویکرد فازی اختصاص دادن اهمیت نسبی مشخصه ها با استفاده از اعداد فازی به جای اعداد دقیق است. مزیت دیگر، اجتناب از وزن¬دهی به صورت سلیقه¬ای می¬باشد که در اکثر پروژه و مقالات انجام شده به چشم می¬خورد که به صورت خطای فردی در نتیجه¬پروژه تاثیر سو خواهد¬ داشت.درگام بعدی تمام داده ها وزن¬دهی نرمال سازی می¬شود.سپس در گام بعدی تمام داده ها را به روش Fuzzy C-Means Clustering خوشه بندی صورت می¬گیرد که این تفاوت را نسبت به روش کلاسیک K- Meansدارد که داده¬ها در روش کلاسیک فقط به یک خوشه تعلق دارد ولی در این روش با در¬صدی می¬تواند به خوشه¬ی دیگری نیز متعلق باشد.و در نهایت برای امتیاز دهی خوشه ها از روش AHP/DEA استفاده می¬شود که یک رویکرد دو مرحله ای برای رتبه بندی کامل واحدهای تصمیم گیرنده دارای چندین ورودی و چندین خروجی است صورت می¬گیرد که جدیدترین روش مورد استفاده در مقالات معتبر می¬باشد. پس از دسته‌بندی و تعیین رتبه هر یک از دسته‌ها استراتژی‌های مناسبی که کلینیک در برخورد با هر یک از دسته‌ها باید به کار گیرد، بیان میشود.
- Abstract
- Customer Relationship Management (CRM) tool to obtain, maintain and increase customer satisfaction in the industry is competitive. One of the most important tools to achieve profitable customer relationship management, Calculation of Customer Lifetime (CLV) Value makes most of its efforts to maintain its focus on customers with higher profitability. Clinics offering cosmetic services such as other organizations can use the customer life cycle value as a means to achieve their desired objectives in the field of communication with customers every day. The study aims to provide a model for determining the value of customer life cycle clinics and beauty categories that customers have registered in the records. Other goals of the study was to determine on the relative importance of the criteria used to classify weight and beauty clients to determine the ranking of each of the categories CLV customers and to identify appropriate strategies to deal with each of the categories of clinic customers. In presenting a model of the three main variables recent visit (number of days after the last customer), frequency of services (number of registered customers) and Money (of customer profitability) will be used. The relative importance of these three variables (WR, WF, WM) as the other values will be used. In this analysis I'm going after collecting information customers analysis, Fuzzy TOPSIS method for the relative weighting of each component of R, F, M benefit using fuzzy approach I use to assign relative importance of attributes using fuzzy numbers rather than precise numbers that can be the dependency to cluster, also ultimately to rate clusters of AHP / DEA used to a two-stage approach for complete ranking has multiple input and multiple output DMUs are the latest method used is in the academic papers. After classification and determining the appropriate strategies in each of the categories in dealing with each of the categories should be used.
