ژانویه 22, 2021

پیش‌بینی رویگردانی مشتریان در مدیریت ارتباط با مشتری با استفاده از تکنیک‌های …

  • عدد ۱ به این معنی است که علت پیاده‌سازی مهم نمی‌باشد و عدد ۵ یعنی علت پیاده‌سازی بسیار مهم است

انواع مدیریت ارتباط با مشتری
در مجموع چهار نوع فناوری در CRM وجود داردکه عبارتند از:

  1. مدیریت ارتباط با مشتری عملیاتیداده‌های مشتری از نقاط تماس مانند مرکز تماس، سیستم مدیریت تماس، پست، فکس، پرسنل فروش، وب و غیره گرفته می‌شوند و داده‌ها در یک بانک اطلاعاتی مرکزی مشتری ذخیره و سازماندهی می‌شوند تا در دسترس همه کاربرانی که با مشتری در تعامل هستند قرار بگیرد. یک CRM عملیاتی شامل مرکز تماس و مدیریت تماس است. سیستم مدیریت تماس می‌تواند اطلاعات جامع و کاملی در ارتباط با هر تماس با مشتریان ایجاد نماید و به کاربردهایی از مدیریت ارتباط با مشتری می‌پردازد که در ارتباط رو در رو با مشتری است.
  2. مدیریت ارتباط با مشتری تحلیلی: داده‌هایی که در بانک اطلاعاتی مرکز تماس ذخیره شده است، از طریق ابزارهای تحلیلی برای شناسایی مشخصات مشتری، شناسایی الگوهای رفتاری، تعیین سطح رضایت مشتری و تقسیم‌بندی مشتریان تحلیل می‌شود. اطلاعات بدست آمده از CRM تحلیلی جهت توسعه بازاریابی و استراتژی‌های تبلیغاتی کمک می‌کند. این نوع از CRM توسط کتورو به عنوان دید ۳۶۰ درجه مشتری نامیده شده است (Kotorov 2002).
  3. منبع فایل کامل این پایان نامه این سایت pipaf.ir است

  4. مدیریت ارتباط با مشتری مشارکتی: به معنای مشارکت تمامی کانالهای ارتباط با مشتری است. سیستم‌های CRM با سیستم‌های سازمانی جهت پاسخگویی بیشتر به مشتریان در کل زنجیره تامین، یکپارچه می‌باشند (Kracklauer and Mills 2004).
  5. مدیریت ارتباط با مشتری الکترونیکی: با استفاده از CRM الکترونیکی، اطلاعات مشتری در تمامی نقاط تماس سازمان از طریق اینترنت و اینترانت در دسترس سازمان و شرکای تجاری سازمان قرار می‌گیرد.

رویگردانی مشتری[۵]
رویگردانی مشتری که با عنوان فرار مشتری[۶] نیز شناخته شده است به عنوان تمایل مشتری برای متوقف نمودن تجارت خود با یک شرکت در یک دوره زمانی معین تعریف می شود (Neslin, Gupta et al. 2006). رویگردانی مشتری تقریبا مرتبط با حفظ مشتری، یکی از ابعاد اصلی CRM، و وفاداری مشتری است (ابعاد CRM در ادامه توضیح داده خواهند شد). رویگردانی مشتری تبدیل به یک نگرانی عمده برای شرکت‌ها در تمامی صنایع شده است؛ چراکه این موضوع منجر به کاهش سطح سود شرکت‌ها شده است. یک تحقیق انجام شده توسط ریچهلد و ساسر[۷] نشان می‌دهد که افزایش ۵ درصدی در نرخ حفظ مشتری به افزایش ۸۵ درصدی در سود بانک‌ها و افزایش ۵۰ درصدی در حق واسطه‌گری شرکت‌های بیمه منجر می‌شود (Reichheld and Sasser 1990).
بطور کلی سه نوع رویگردانی مشتری وجود دارد (شهرابی ۱۳۹۰a):

  1. رویگردانی اختیاریمشتریان بر اساس تمایل خود و آزادانه تصمیم می‌گیرند که تجارت و خرید خود را در جای دیگری انجام دهند.
  2. رویگردانی اجباریرویگردانی اجباری زمانی اتفاق می‌افتد که شرکت و نه مشتری ارتباط را قطع می‌کند؛ بیشتر این امر به دلیل عدم پرداخت صورت‌حساب‌ها و بدهی‌ها توسط مشتریان اتفاق می‌افتد.
  3. رویگردانی پیش‌بینی شدهزمانی که مشتری دیگر در بازار هدف یک محصول قرار نگیرد، رویگردانی پیش‌بینی شده اتفاق افتاده است. کودکانی که رشد کرده‌اند و دیگر به شیر خشک نیاز ندارند مثالی از این دسته مصرف‌کنندگان هستند.

بورز و ون دن پائل[۸] رویگردانی اختیاری را در سرویس‌های مبتنی بر اشتراک، مانند سرویس Pay-TV به دو گروه تقسیم کرده‌اند: رویگردان‌های تجاری[۹] و رویگردان‌های مالی[۱۰] . بر طبق تحقیق آنها رویگردانان مالی مشتریانی هستند که به دلیل عدم استطاعت مالی شرکت را ترک می‌کنند، یعنی نمی‌توانند حق اشتراک را بپردازند و رویگردانان تجاری آنهایی هستند که بعد از اتمام قراردادشان با شرکت ، اقدام به تمدید قرارداد نمی‌کنند. به عبارت دیگر، آگاهانه می‌خواهند شرکت دیگری را به عنوان سرویس دهنده انتخاب کنند. آنها در تحقیق خود همچنین به بررسی و آنالیز بقای مشتریان در شرکت پرداخته‌اند. بر طبق یافته آنها منحنی بقا برای مشتریانی که دارای رویگردانی مالی بودند با منحنی بقای مشتریانی که دارای رویگردانی تجاری بودند متفاوت است. این منحنی‌ها نشان می‌داد که رویگردان‌های تجاری در خاتمه قراردادشان شرکت را ترک می‌کنند ولی رویگردان‌های مالی در میانه قراردادشان شرکت را ترک می‌کنند. آنها هم چنین به این نتیجه رسیدند که پیش‌بینی رویگردان‌های مالی آسان‌تر از پیش‌بینی نوع تجاری است (Burez and Van den Poel 2007).
نباید انواع مختلف رویگردانی را بجای یکدیگر اشتباه گرفت؛ به خصوص آنکه تمایز بین آنها ساده است. این موضوع در مورد مشتریان رویگردان اختیاری و اجباری حیاتی‌تر است. شرکت‌هایی که رویگردانی‌های اختیاری و اجباری را اشتباه می‌گیرند به واسطه دو عامل صرف هزینه برای حفظ مشتریان نامطلوب و همچنین افزایش بدهی‌های معوقه مشتریان متضرر می‌شوند.
رویگردانی به عنوان درصدی از مشتریان که شرکت را ترک می‌کنند توصیف می‌شود. برای مثال یک شرکت که دارای نرخ رویگردانی سالیانه به میزان ۲۵ درصد است، متوسط طول عمر مشتری در این شرکت ۴ سال است و وفاداری مشتریان ۷۵ درصد است.
با در نظر گرفتن نرخ رویگردانی مشتریان در صنایع مختلف، می‌توان به این موضوع پی برد که صنعت مخابرات یکی از صنایعی است که در خطر رویگردانی مشتری زیادی است، طوری که نرخ رویگردانی در این صنعت به طور سالانه ۲۰ تا ۴۰ درصد است (Berson, Smith et al. 1999). با توجه به رقابت شدید در بازار بخش مخابرات و بالا بودن نرخ رویگردانی در این بخش، بسیاری از تحقیقات انجام شده در زمینه پیش‌بینی رویگردانی مشتریان روی موارد مخابراتی صورت گرفته است.
داده‌کاوی و مفاهیم آن
در مرور ادبیات تعاریف متعددی برای داده‌کاوی ارائه شده است. برخی از این تعاریف عبارتند از:
داده‌کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده‌ها به منظور کشف الگوها و قوانین پنهان و معنی‌دار درون داده‌ها اطلاق می‌شود(شهرابی ۱۳۹۰a).
داده‌کاوی عبارت است از فرایند استخراج اطلاعات معتبر، از پیش ناشناخته، قابل فهم و قابل اعتماد از پایگاه‌های داده بزرگ و استفاده از آن در تصمیم‌گیری در فعالیت‌های تجاری مهم (Witten and Frank 2005).
داده‌کاوی یعنی استخراج دانش کلان، قابل استناد و جدید از پایگاه داده‌های بزرگ (Han, Kamber et al. 2011).
داده‌کاوی به فرایند نیم خودکار تجزیه و تحلیل پایگاه داده‌های بزرگ به منظور یافتن الگوهای مفید اطلاق می‌شود (Han, Kamber et al. 2011).
داده‌کاوی یعنی تجزیه و تحلیل مجموعه داده‌های قابل مشاهده برای یافتن روابط مطمئن بین داده‌ها (Edelstein 1998).
چنانچه مشخص است، آنچه در تمامی این تعاریف مشترک است وجود مفاهیمی چون استخراج دانش و کشف الگوهای پنهان از میان داده‌ها است.
کاربرد موفق داده‌کاوی در زمینه‌های مختلف تجاری در دهه‌های اخیر، موجب افزایش روزافزون محبوبیت این علم شده است. برای دانش داده‌کاوی هیچ محدودیتی را نمی‌توان متصور بود. به عبارت دیگر، کاربرد دانش داده‌کاوی در تمامی زمینه‌های برخوردار از داده بوده و تنها محدودیت آن فقدان داده است. هدف داده‌کاوی ایجاد مدل‌هایی برای تصمیم‌گیری است. بیشتر تکنیک‌های داده‌کاوی ابزار مدل‌سازی هستند که اغلب از سال‌ها یا دهه‌های قبل وجود داشته‌اند و جزو زیرشاخه‌های علومی چون هوش مصنوعی[۱۱]، یادگیری ماشین[۱۲]، محاسبات نرم[۱۳] و آمار[۱۴] هستند.
تاریخچه داده‌کاوی
حجم عظیم داده‌ها نتیجه تجارت نوین است. امروزه پایگاه‌های داده با نرخ افزاینده‌ای در حال رشد هستند. بنابر تخمین‌های ارائه شده، حجم داده‌ها در جهان هر ۲۰ ماه به حدود دو برابر می‌رسد؛ این در حالی است که سازمان‌ها امروزه کمتر از یک درصد از داده‌هایشان را برای تحلیل استفاده می‌کنند(شهرابی ۱۳۹۰a). از طرف دیگر، قدرت و توانایی محاسباتی کامپیوترها نیز به سرعت در حال افزایش است. همه این موارد شرایطی را برای بکارگیری هرچه بیشتر و وسیع‌تر تکنیک‌های داده‌کاوی فراهم می‌آورند، بطوری که اخیرا داده‌کاوی موضوع بسیاری از مقالات، کنفرانس‌ها و تحقیقات کاربردی شده است.
واژه داده‌کاوی تا اوایل دهه ۹۰ میلادی مفهومی نداشت و بکار برده نمی‌شد. در دهه ۶۰ میلادی و پیش از آن زمینه‌هایی برای ایجاد سیستم‌های جمع‌آوری و مدیریت داده‌ها ایجاد شد و تحقیقاتی در این زمینه انجام پذیرفت که منجر به معرفی و ایجاد سیستم‌های مدیریت پایگاه داده[۱۵] (DBMS) شد. توسعه سیستم‌های پایگاهی پیشرفته در دهه ۸۰ و ایجاد پایگاه‌های شی‌گرا[۱۶]، کاربردگرا[۱۷] و فعال[۱۸] باعث توسعه همه جانبه و کاربردی شدن این سیستم‌ها در سراسر جهان گردید. بدین ترتیب DBMSهایی همچون DB2، Oracle، Sybase و غیره ایجاد شدند و حجم زیادی از داده‌ها توسط این سیستم‌ها مورد پردازش قرار گرفت. شاید بتوان مهمترین عامل در معرفی داده‌کاوی را مبحث کشف دانش از پایگاه داده[۱۹] (KDD) دانست بطوری که در بسیاری از موارد KDD و داده‌کاوی بصورت مترادف بکار برده می‌شوند. الگوریتم‌های داده‌کاوی در دهه اخیر با سرعت بسیار زیاد در حال توسعه هستند. روند تکامل فرایندهای داده‌ای در کسب و کار در جدول ۲-۲ آمده است (اکبری ۱۳۸۹).
جدول ‏۲‑۲ : گام‌های تکامل داده‌کاوی

Copyright © All rights reserved. | Newsever by AF themes.