الهام آخوندزاده نوقابي، امير البدوي، محمد اقدسي
چكيده: يكي از موضوعات مهم در مسئلة بخشبندي پويـاي مشـتريان، انتقـال مشـتريان بـهبخشهاي مختلف در طول زمان و كشف الگوهاي حاكم بر اين جابه جـاييهـا اسـت. بـر ايـناساس، اين مقاله بر پويايي مشتري تمركز كرده و تلاش مي كند، گروههاي رفتاري مشـتريان وويژگيهاي غالب اين گروهها و الگوهاي كلي حاكم بـر جابـهجـايي و مهـاجرت مشـتريان بـهبخشهاي مختلف را در طول زمان استخراج كند. براي اين كار، روش تركيبي جديـدي مبتنـيبر الگوريتم K-means، روش هاي خوشهبندي سلسلهمراتبي و قوانين انجمنـي ارائـهشـده و دردادههاي واقعي يك شركت مخابراتي بهكار گرفته شده است. بر اساس نتايج به دست آمده، هفت گروه رفتاري متفـاوت در انتقـال مشـتريان بـه بخـشهـاي مختلـف وجـود دارد. همچنـين دررويكردي نوين، تلاش شده است تا تأثير رفتار پوياي مشـتري در تغييـرات بخـشهـا در طـولزمان تبيين شود. در اين راستا با ارائـ ة رويكـرد و مفـاهيم جديـدي در خصـوص پويـايي رفتـارمشتري و تأثير آن در تغييرات ساختاري و محتوايي بخشها، گروهبندي جديدي از مشـتريان درقالب مشتريان سازنده و تثبيتكنندة ساختار، مشتريان پوياي ساختار سازگار و مشـتريان پويـايساختارشكن ارائه ميشود.

واژه هاي كليدي: بخشبندي پوياي مشتري، خوشهبندي، دادهكاوي، صنعت مخابرات.
مقدمه
بازار رقابتي دنيـاي امـروز بـهسـرعت در حـال تغييـر و تحـول اسـت. تـأثير عوامـل محيطـي وروان شناختي، ازجمله تبليغات، ورود يك محصول جديد به بازار، سياستهاي پشتيباني از مشتري و مانند اينها، موجب ميشـود كـه رفتـار مشـتري در برخـي شـرايط از ثبـات برخـوردار نبـوده وسازمان ها در تحليل و پيشبيني رفتار مشتري با عدم قطعيت مواجه شـوند . بنـابراين بايـد بـرايدرك بهتر نيازها و پيشبيني دقيقتر رفتار مشتري، ماهيت پوياي رفتار وي در مدلها لحاظ شـدهو مورد بررسي قرار گيرد (ها و بااي، 2006 و ها، بااي و پارك، 2002).
يكي از مسائلي كه در حوزة مباحث مديريت ارتباط با مشتري (CRM)1 و بازاريابي، در ارتباط با لحاظ كردن رفتار پوياي مشتري مطرح است و در جايگاه و اهميت ويـژه اي قـرار دارد، مسـئلةبخشبندي پوياي مشتريان2 است. به گفته اي با توجه به اهميت و جايگاه استراتژيك بخش بندي مشتري در مطالعات مديريت ارتباط با مشتري، لازم است تا رفتار پوياي مشتري در اين حوزه نيز مورد بررسي قرار گيرد. اگرچه با وجود اهميت اين موضوع، پژوهش هـاي بسـيار انـدكي در ايـنزمينه به چشم مي خورد و اكثر مطالعاتي كه تا كنـون انجـام شـده اسـت، فـرض كـردهانـد كـهبخش هاي مختلف مشتريان و عضويت مشتريان به اين گروهها، در طـول زمـان ثابـت و پايـدارهستند و تغيير نميكند؛ در حالي كه در دنياي واقعي، به سبب تغييرات و نوسان هاي موجود كـه ازعوامل بيروني و خارجي ناشي ميشود، درست نيست كه فرض كنيم بازار و شرايط موجود ثابت و پايدار بمانند و بايد اين تغييرات لحاظ شوند. بنابراين با توجه به فرضيه هاي نادرستي كه بيان شد، دانش به دست آمده در مورد يك مشتري و پيشبينيهاي انجام شده در زمينة رفتـار وي در طـوليك بازه زماني مشخص، ثابت و معتبر بوده و نميتوان بر اساس آن در طول زمان عمل كرد (ها و بااي، 2006؛ ها، بااي و پارك، 2002 و هينينگ، جواَنجواَنَ و بيآن، 2009).
بنابراين با توجه به جايگاه اسـتراتژيك بخـشبنـدي مشـتري در مطالعـاتCRM و كمبـودمطالعات انجام شده در اين زمينه، نيـاز بـه پـژوهشهـاي بيشـ تري در زمينـة مـدل هـاي پويـايبخش بندي مشتريان احساس ميشود تا از اين طريق بتوان به درك جامعتر و عميقتري از رفتار مشتريان دست يافت. در مدل سازي بخشبندي پوياي مشتري، بر دو مسئله تأكيـد شـده اسـت:
تغييرات بخشهاي مشتريان و جابهجايي مشتريان در اين بخشها در طول زمان. در اين نوشـتاربر جابهجايي مشتريان در بخشهاي مختلف در طول زمان تمركز شده كـه مطالعـات انـدكي درارتباط با آن ديده مي شود. ازجمله مطالعات قابل توجه در اين خصوص مـي تـوان بـه هـا و بـااي
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Customer Relationship Management (CRM)
Dynamic Customer Segmentation
(2006)، ها (2007) و همبِرگ، استينر و تُتزِك (2009) اشاره كرد كه با استفاده از خوشهبنـدي و زنجيرة ماركوف، الگوهاي جابهجايي مشتريان بين بخشهاي مختلف را تحليل كردند.
با بررسي مطالعات انجام شده در اين حوزه، مشخص مي شـود برخـي از محققـان بـر كشـفالگوهاي غالب1 تمركز كردهاند و بعضي در پي پيشبيني وضعيت آتي مشتري بودهاند (ها و بااي، 2006). در اين نوشتار بر رويكرد اول تمركز شده و تلاش شده است بـا ارائـة رويكـردي جديـد،الگوهاي غالب جابهجايي استخراج شود. در مطالعات انگشت شمار پيشين، براي استخراج الگوهاي غالب از روشهاي سيستماتيك و كمي استفاده نشده و با شمارش دنبالههـاي موجـود و انتخـابحداكثر فراواني آنها، اين الگوها استخراج شده اند، اما در ايـن پـژوهش از روش هـاي داده كـاوي2 بهرهجويي شده و تلاش بر اين است تا گروههاي رفتاري مشـت ريان و الگوهـاي كلـي حـاكم بـرجابه جايي و مهاجرت مشتريان به بخشهاي مختلف، در طول زمان استخراج شوند و ويژگيهاي غالب هر يك از اين گروهها نيز، مورد بررسي و تحليل قـرار گيرنـد. سـؤال هـاي ايـن مرحلـه از پژوهش بهشرح زير هستند:
گروههاي رفتاري مختلف مشتريان در مهاجرت به بخشهاي مختلف در طـول زمـان كدامند و ويژگيهاي اين گروهها شامل چه مواردي ميشود؟
الگوهاي غالب و حاكم بر عضويت مشتريان به بخـش هـاي مختلـف در طـول زمـانكدامند و اين جابهجاييها و انتقالات چگونه است؟
براي پاسخگويي به سؤال هاي مطرح شده، روش هاي دادهكاوي مورد استفاده قرار گرفته است و روش تركيبي جديدي مبتني بر الگوريتم K-means، روش هاي خوشهبندي سلسـله مراتبـي 3 و قوانين انجمني4 پيشنهاد مي شود كه در ادامه، اين روش نوين در دادههـاي واقعـي يـك شـركتمخابراتي نيز پيادهسازي شده است. روش پيشنهادي شامل استخراج دنبالههاي تكتك مشتريان در عضويت به بخشهاي مختلف در طول زمان و خوشهبندي اين دنبالهها و كشف ويژگيهـايغالب هر يك از گروهها با استفاده از قوانين انجمني است. درواقع با پيادهسازي اين روش، در پي كشف و شناسايي گروههاي رفتاري مختلف مشتريان در عضويت به بخشهاي مختلف در طـولزمان هستيم؛ با اين فرض كه گروههاي خاصي از مشتريان وجـود دارنـد كـه رفتـار مشـابهي درعضويت به بخشهاي مختلف دارند. پس از خوشهبندي دنبالهها و تحليل نتايج، متغيـر جديـديكه بيانگر گروههاي مختلف رفتاري است، تعريف شده و ارتباط بين آن و ساير مشخصههـا بـراي
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Dominant patterns
Data mining
Hierarchical clustering
Association rule
كشف ويژگيهاي غالب گروهها با اسـتفاده از قـوانين انجمنـي بررسـي شـده اسـت. همچنـين بـارويكردي نوين تلاششده تا تـأثير گـروه هـاي رفتـاري گونـاگون و پويـايي مشـتري1 در تغييـراتساختاري و محتوايي بخشها در طول زمان بررسي شود. بدين ترتيب بـا ارائـة رويكـرد جديـدي ازگروهبندي مشتريان بر اساس پويـايي ايشـان، مفـاهيم و تعـاريف جديـدي از گـروههـاي مختلـف مشتريان برپاية نوع و چگونگي تأثيرگذاري آنها در تغييرات بخشها ارائه ميشود. بر اسـاس دانـشما، اين پژوهش نخستين موردي است كه با اين ديدگاه به بررسي و تحليـل الگوهـاي جابـهجـاييمشتريان پرداخته و بر اين اساس تعاريف و گروهبندي جديدي از مشتريان ارائه ميكنـد . درواقـعاين مرحله از پژوهش در پي پاسخ به اين سؤال است كه تأثيرگذاري پويايي مشتري و گروههاي رفتاري مختلف مشتريان بر تغييرات ساختاري و محتوايي بخشها در طول زمان، چگونه است؟
در اين نوشتار، نخست پيشينة پژوهش درخصوص مفـاهيم مطـرح شـدة ايـن مقالـه بيـانمي شود. در ادامه به روششناسي پژوهش پرداخته مي شود. بخش بعدي به بحث در مورد نتايج حاصل از پياده سازي روش پژوهش و يافتههاي پژوهش مي نشيند و در انتهـا ، نتيجـه گيـري وپيشنهادها ارائه ميشود.
پيشينة پژوهش
در اين بخش به مرور ادبيات مرتبط با موضوع پژوهش ميپردازيم. تعريف بخش بنـدي مشـتري،انتخاب مشخصه در بخش بندي، تعريف بخش بندي پوياي مشتري و مـروري بـر پـژوهشهـايانجام شده در اين زمينه با تمركز بيشتر بر مدلسازي جابهجايي مشتري در بخـشهـاي مختلـف، مواردي است كه در اين قسمت بهطور كوتاه به آن اشـاره مـيشـود . همچنـين در مـورد ادبيـاتمرتبط با روشهاي مختلف خوشهبندي و قوانين انجمني كه در اين پژوهش از آنها استفاده شـدهاست نيز، بحث ميشود.
بخش بندي مشتري و مدلهاي پوياي آن
بخش بندي مشتريان، يك راهبرد بنيادي و ضروري براي مديريت فعاليتهاي بازاريـابي معرفـي شده كه از اهميت بسيار زيادي برخـوردار اسـت (حسـيني ، بحرينـي زاده و ضـيائي بيـده، 1391).
بخشبندي مشتري فرايندي است كه طي آن، بازار به گروههاي كوچكتري از مشتريان بالقوه بـاويژگيها و نيازهاي مشابه كه احتمال رفتار خريد مشابهي دارند، تقسيمبندي ميشود (انگي، زيو و چااو، 2009؛ ديب، 1998؛ وِين استين، 2004 و وو، بااي و پارك، 2005). در دنياي رقابتي امروز
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Customer dynamics
نيز، سازمانها به اهميت اين موضوع پي برده و تلاش ميكنند تا با مشتريان مختلـف بـه گونـه ايمتفاوت و منطبق با خواستههاي آنها برخورد و تعامل داشته باشند (ديب، 1998و لمـن و مـارك،2006). طراحي محصولات و ارائة خدمات مطابق با نيازهاي بخشهاي مختلف مشتريان تبـديلبه ضرورت براي سازمانها شده اسـت ( حسـنقليپـور ، سـيدجوادين، روسـتا و خـانلري، 1391 و حسيني، بحرينيزاده و ضيائيبيده، 1391).
اكثر مطالعاتي كه تا كنون انجامشده، فرض كردهانـد كـه بخـشهـاي مختلـف مشـتريان وعضويت مشتريان به اين گروهها در طول زمان ثابت و پايدار است و تغيير نميكند؛ به ايـن معنـا كه دانش به دست آمده در مورد يك مشتري و پيشبينيهاي انجام شـده در زمينـة رفتـار وي ، در طول يك بازة زمانيِ مشخصِ ثابت و معتبر بوده و نميتوان بر اساس آن در طـول زمـان عمـلكرد (ها و بااي، 2006 و هينينگ، جوانَجوانَ و بيآن، 2009). همچنين اكثر روشهاي ارائهشده براي بخش بندي مشتريان، بهگونهاي طراحي شدهاند كه قادر به لحاظ كردن رفتار پويا و تصادفي مشتريان را نداشته و براي بخش بندي مشتريان بر اساس يـك سـري مشخصـه در يـك زمـان بهخصوص و معين مناسب هستند. به هر حال بـا توجـه بـه تغييـرات بـازار، نيازهـاي مشـتريان،محصولات و مانند اينها، روشهاي نظري بخش بندي ايستا براي توصيف ماهيت پويا و رو بهرشد بازار پذيرفتني نيست. اين روشها توانايي بازخورد جهتگيري تقاضا و نيازهاي آتي بخـشهـايمختلف مشتريان را ندارند؛ در حالي كه از طريق سيستمهاي بخش بندي پوياي مشتري، ميتـوانبه ديد و درك جامعتري از رفتار مشتري دست يافت و همچنين رفتار وي را پيش بيني كرد (ها و بااي، 2006 و هينينگ، جوانَجوانَ و بيآن، 2009).
كاملترين تعريفي كه براي بخشبندي پوياي مشتري ارائه شده، تعريف هـا و بـااي (2006) است كه نسبت به تعاريف ديگر كاملتر بوده و جوانب كلي مسئله را دربرمي گيرد. بر اساس نظـراين محققان، بخش بندي پوياي مشتري را ميتوان بـه ايـن شـكل تعريـف كـرد: بخـش بنـديمشتريان، به گونهاي كه تغييرات بخشهاي مختلف مشتريان و تغييرات عضويت مشتريان به اين گروهها در طول زمان مورد توجه قرار گيرد. رصد كردن جابهجايي مشتري از يك بخش به يـكگروه ديگر، كشف الگوهاي غالب در اين جابهجاييها و پيشبيني اين نقل و انتقالات، موضوعاتي است كه در بخشبندي پوياي مشتريان مورد بررسي قرار ميگيرد.
بررسي مطالعات انجامشده در اين زمينه، نشان ميدهد كه چارچوب مفهـومي جـامعي بـرايبخش بندي پوياي مشتري ارائه نشده و پژوهش هاي انجام گرفته در اين حـوزه ، هـر يـك در نـوعخود، به بررسي جوانب مختلفي پرداختهاند كه ممكن است در اين حوزه مطرح شود. همچنين اين مطالعات در زمينة مدل سازي و پيادهسازي تجربي نيز، كمبودهاي زيادي داشته و جاي كار بسـياربيشتري دارند (بلِاكر و فلينت، 2007). از دسته مقاله هاي مطرح در اين زمينه، ميتوان بـه هـا وبااي (2006)، ها (2007)، بلِاكر و فلينت (2007) و باتچِر، اسپات، نَوك و كروس (2009) اشـارهكرد. برخي از اين مقال هها مانند باتچِر، اسپات، نَوك و كروس (2009)، بلِاكر و فلينـت (2007) و لمنس، كروكس و استريمرسچ (2012) تغييرات بخشهاي مختلـف مشـتريان در طـول زمـان رامورد بررسي قرار دادهاند و برخي ديگر مانند ها (2007) و هينينگ، جوانَجوانَ و بـي آن (2009)، جابهجايي و انتقالات مشتريان بين بخشهاي مختلف و استخراج الگوهاي غالب در اين زمينه را مطالعه كردهاند. تعداد بسيار اندكي هر دو مورد را در مدل سازي لحاظ كردهاند. بر اساس دانش ما، پژوهش انجام شدة ها و بااي (2006)، تنها موردي است كه هر دو رويكرد مذكور را در كنـار هـممورد بررسي قرار داده است. البته شايان ذكر است كه در اين مقاله نيز، چارچوب جامعي ارائهنشده و تحليل هاي انجامگرفته، به صورت موردي، برخي از جنبههاي تغيير و جابهجايي را بررسي كـردهاست. براي نمونه، تحليل مربوط به تغييرات بخشها، فقط در حد تعداد مشتريان مربوط به آنها و تعداد مشترياني بوده است كه در طول زمان در همان بخش باقي ماندهاند. از آنجايي كـه تمركـزاين مقاله بر استخراج الگوهاي جابهجايي و انتقالات مشتريان بين بخشهـاي مختلـف در طـولزمان است، در ادامه به مطالعات انجام شده در اين زمينه اشاره ميكنيم.
مطالعات اندكي در زمينة مدل سازي جابهجايي مشتري بين بخشهاي مختلف در طول زمان انجام شده است. بر اسـاس هـا و بـااي (2006)، مـي تـوان ايـن گونـه مطالعـات را در دو دسـتهتقسيم بندي كرد: كشف الگوهاي غالب و پيشبيني جابهجاييها و انتقالات مشـتري . درخصـوصمورد اول، كار ها و بااي (2006) و ها (2007) قابل توجه است كه با شمارش الگوهـاي مختلـفجابه جايي و انتخاب حداكثر فراواني آنها، الگوهاي غالب جابهجـايي را اسـتخراج كردنـد. گفتنـي است كه الگوهاي غالب شامل دو مورد »الگوي مربوط به مشتريان وفادار« و »الگوي مربوط بـهمشتريان بيارزش« بوده است.
درخصوص پيشبيني انتقالات و جابهجايي مشتري بين بخشهـاي مختلـف نيـز، مطالعـاتيانجام شده است كه بيشتر آنها از زنجيرة ماركوف براي مدل سازي و پيشبيني استفاده كـرده انـد مطالعة همبِرگ، استينر و تتُزِك (2009) ، يكي از موارد قابل توجـه در ايـن زمينـه اسـت كـه درمديريت پورتفوليو مشتري1 از زنجيرة ماركوف براي پيشبيني بخشي استفاده كرده اند كه مشتري در آينده به آن تعلق خواهد گرفت. مطالعات لمنس، كروكس و استريمرسچ (2012)، برانگـولي ـ ولِاگسما، پيتِرز و وِدل (2002) و نتزِر، لاتيّن و سرينواسان (2008) نيز، ازجمله مواردي هستند كه از زنجيرة ماركوف در اين زمينه استفاده كردهاند. گفتني است كه هـا (2007) نيـز بـا اسـتفاده از
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Customer portfolio management
درخت تصميم، در زمينة بخشي كه مشتري در بازههاي زماني آتي بـه آن تعلـق خواهـد گرفـت،پيشبينيهايي انجام داده است.
انتخاب مشخصهها در بخشبندي مشتريان
يكي از مباحث مهم در بخشبندي مشتري، مشخصههايي است كه بخـش بنـدي بـر اسـاس آنانجام ميشود. ايـ ن مشخصـه هـا را مـيتـوان در قالـب چهـار دسـته ويژگـي هـاي جغرافيـايي، جمعيتشناختي، روانشناختي1 و رفتاري2 يا تركيبـي از مـوارد فـوق دسـتهبنـدي كـرد ( مـالهترا، 1993). بخ ش بن دي مش تريان ب ر اس اس ارزش دورة عم ر مش تري (CLV)3 ني ز، يك ي از رويكردهاي جديدتري است كه در مورد گروهبندي مشتريان ارائه شده و يكي از روشهاي كارا در بخش بندي مشتريان به شمار مي رود. بر اساس گفتة لمن و مارك (2006)، اين شـاخص كـم كـمجاي مشخصـه هـاي سـنتي مـذكور را خواهنـد گرفـت. در ايـن راسـتا، در پـژوهش پـيش رو از مشخصههاي (RFM)4 استفاده كردهايم كه به منزلة يكي از ابزارهاي محاسـبة ارزش دورة عمـرمشتري معرفي شده است (لييو و شيه، 2005 و رزمي و قنبري، 1388).
تحليل RFM كه هاقس (1994) آن را ارائـه كـرده اسـت، يكـي از مهـم تـرين و كـاراترين روش هاي بخش بندي مشتريان به شمار ميرود. تحليل RFM بر اساس سه متغير انجام ميگيرد كه به صورت زير تعريف ميشوند:
تأخر: يعني اينكه مشتري طي مدت گذشته، چه زماني با شركت ارتباط برقـرار كـرده و چقدر از آخرين بار مراجعه مشتري به شركت گذشته است؟
فراواني: تعداد بارهاي خريد مشتري در يك دورة زماني مشخص.
حجم تبادل مالي: ميزان تبادل مـ الي مشـتري بـا شـركت در طـول يـك دورة زمـانيمشخص چقدر بوده است؟
هرچه مقدار مشخصة اول كمتر و مقدار دو متغير بعـدي بيشـتر باشـد، نشـان دهنـدة ارزش و اهميت بيشتر مشتري براي شركت است (بوكينكزا، 2004؛ چنگ، 2009 و نيوول، 1997).
خوشهبندي
خوشهبندي، يك جمعيت نامنظم را به مجموعهاي از زيرگروههاي منظم تقسيمبندي ميكنـد . در خوشهبندي، اشيا بر اساس اصل بيشترين شباهت بين اعضاي هر خوشه و كمترين شـباهت بـين
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Psychological
Behavioral
Customer lifetime value
Recency, Frequency and Monetary (RFM)
خوشه هاي مختلف، گروهبندي ميشوند؛ يعني خوشهها به گونهاي تنظيم ميشوند كه اشياي داخل هر خوشه، بيشترين شباهت را با يكديگر و بيشترين تفاوت را در دادههاي ساير خوشههـا داشـتهباشند. معيار شباهت وقتي كه همة مشخصهها پيوسته هستند، معمولاً بـا فاصـلة اقليدسـي بيـانميشود و در غير اين صورت، يك معيار مناسب براي آن در نظر گرفته مـي شـود (هـ ن و كَمبـِ ر، 2006). روشهاي خوشه بندي افرازي1 و سلسله مراتبي، از دسته روش هـاي اصـلي خوشـهبنـديهستند كه در اين پژوهش از آنها استفاده شده است. در ادامه به شرح كوتاهي از آنها ميپردازيم.
خوشهبندي افرازي: فرض كنيد كه پايگاه دادهاي، شـامل n شـيء داشـته باشـيم. يـك روشافرازبندي، K افراز از اين دادهها درست ميكند؛ به گونه اي كـه هـر افـراز يـك خوشـه را نشـانمي دهد و K ≤ n. به گفتهاي دادهها در K گروه خوشهبندي مي شـوند؛ بـه شـكلي كـه هـر گـروهبايستي حداقل يك شيء داشته باشد و هر شيء نيز بايد تنها به يك گروه تعلق داشته باشد. البته شرط دوم در روشهاي افرازبندي فازي، ميتواند قابـل انعطـاف باشـد. الگـوريتمK-means از روش هاي معمول و كارا در خوشهبندي است كه K (تعداد خوشهها) را بهمنزلة ورودي ميگيرد و مجموعة n شيء را به K خوشه، افراز ميكند. اين الگوريتم بهترتيب زير عمل ميكند:
بهصورت تصادفي، K شيء را به منزلة مراكز خوشههاي ابتدايي، انتخاب ميكند؛
هر شيء را با توجه به بيشترين شباهت آن به مراكز خوشهها، به خوشـه هـا تخصـيص مي دهد؛
مراكز خوشهها را بهروز ميكند ؛ به اين معنا كه براي هر خوشه مقدار متوسط اشياي آن خوشه را محاسبه مي كند؛ 4. تا هنگامي كه هيچ تغييري در خوشهها رخ ندهد، به مرحلة دوم رجـوع مـيكنـد (تـَن،استينبچ و كومار، 2006).
خوشهبندي سلسلهمراتبي: اين روش ساختاري، سلسلهمراتبي از اشـيا ايجـاد مـيكنـد . روش سلسلهمراتبي ميتواند خوشهبندي را به صورت تجميعي يا تقسيمي انجام دهد. رويكـرد تجميعـيفراگيرتر بوده و كارايي بيشتري دارد. اين روش با شكلدهي گروه هاي جداگانه اي كـه هـر يـكشامل يك شيء هستند، شروع ميشود؛ سپس اشيا يا گروههاي نزديك به هم را يكي ميكند تـااينكه درنهايت يك گروه در بالاترين سطح ايجاد شود. در پژوهش پيش رو نيز از اين رويكـرد و از مهم ترين و پركاربردترين روشهاي آن موسوم به پيونـد 2 اسـتفاده شـده اسـت. از جملـة ايـن
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Partitioning
Linkage
روش ها پيوند تكي1، پيونـد كامـل2 و پيونـد متوسـط3 هسـتند و تفـاوت آنهـا در معيـار انتخـابنزديكترين خوشهها به صورت زير است:
پيوند تكي: بر اساس نزديكترين فاصله بين شيءهاي دو خوشه؛
پيوند كامل: بر اساس دورترين فاصله بين شيءهاي دو خوشه؛
پيوند متوسط: بر اساس متوسط فاصله بين دوبه دو شيءهاي دو خوشه.
گفتني است كه روش آخر پركاربردتر بوده و معايب ديگر روشها را پوشش ميدهـد (هـ ن و كَمبِر، 2006).
قوانين انجمني
قوانين انجمني يكي از روشهاي توصيفي و غير نظارتي4 داده كاوي است كه به جست وجو بـراييافتن ارتباط بين ويژگيها در مجموعـه دادههـا مـي پـردازد. درواقـع ايـن روشهـا بـه مطالعـة ويژگي هايي كه همراه يكديگرند، ميپردازند و به دنبال كمي كردن ارتبـاط ميـان ايـن ويژگـيهـاهستند. قوانين به شكل اگر و آنگاه، بههمراه معيارهاي پشتيبان5 و اطمينان6 در چارچوب رابطة 1 بيان ميشوند.
رابطة 1) (,)⟹
پشتيبان، نشان دهندة درصد يا تعداد مجموعه تراكنشهايي در كل مجموعه است كـه شـاملهر دو مجموعة x و y باشد. اطمينان نيز به نوعي ميزان وابستگي y را بـهx بيـان مـي كنـد و ازتقسيم پشتيبان قانون بر پشتيبان قسمت مقدم قانون به دست ميآيد. در اين پژوهش از الگوريتم اپريوري7 براي استخراج قوانين انجمني استفاده شده كه از مهمترين الگوريتمهـا در ايـن زمينـهاست. مزيت اصلي اين الگوريتم در استفاده از اصـل اپريـوري اسـت؛ بـه ايـن صـورت كـه اگـرمجموعهاي از عناصر مكرر باشد، تمام زيرمجموعههاي غيـر تهـي آن نيـز مكـرر خواهنـد بـود. استفاده از اين اصل سبب ميشود كه اين الگوريتم حجم محاسباتي كمتري نسبت به روش هـاي ديگر داشته باشد (تان و همكاران، 2006).
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Single Linkage
Complete Linkage
Average Linkage
Unsupervised
Support
Confidence
Apriori
روش شناسي پژوهش
رويكرد اين پژوهش كيفي ـ كمي، ماهيت و هدف آن اكتشافي و روش پژوهش، مطالعة مـوردياست. همچنين از آنجايي كه اين پژوهش، تغييرات رفتار مشتري و عضويت وي به بخـش هـايمختلف را در بازههاي زماني متعددي در طول زمان مورد تحليل و بررسي قرار مـي دهـد ، از نـوعپژوهش هاي در طول زمان1 است.
مطالعة موردي اين پژوهش، يكي از اپراتورهاي مطرح تلفـن همـراه در ايـران اسـت و 152 مورد از مشترياني كه حالت پيشپرداخت محسوب ميشوند، مورد بررسي و تحليل قرار گرفتهاند.
براي تجزيه و تحليل دادهها و استخراج الگوهاي حاكم بر جابهجايي مشتريان بـين بخـشهـايمختلف در طول زمان، از روشهاي دادهكاوي استفاده شده و روشي تركيبي مبتني بـر الگـوريتمK-means، روشهاي خوشهبندي سلسلهمراتبي و قـوانين انجمنـي معرفـي شـده اسـت. روش پيشنهادي را ميتوان در قالب چهار فاز بيان كرد. فرايند اجرايي كار در شكل 1 نشـان داده شـدهاست. در ادامه، روش پژوهش بهتفكيك هر فاز توضيح داده ميشود.
فاز صفر به جمعآوري، آمادهسازي و پيشپردازش داده مربوط ميشود كه از دو گـام تشـكيلشده است. در گام اول انتخاب و جمعآوري دادههاي مورد نياز انجام مي گيـرد . در گـام دوم نيـز، پيشپردازش و آمادهسازي دادهها صورت گرفته و مشكلاتي مانند پرنبودن برخي از مشخصـههـا،دادههاي غير طبيعي و تكراري مورد بررسي قرار ميگيرند. اين گام براي بهبـود كيفيـت دادههـاانجام مي شود و از اهميت زيادي برخوردار است.
در فاز يك، گروهبندي مشتريان در هر يك از بازههاي زماني انجام ميشود. ميتوان اين فـازرا در قالب سه گام بيان كرد. ابتدا در گام اول، دادهها به فرمت مناسب براي خوشهبنـدي تبـديلميشوند. در اين فرمت ركوردها نشاندهندة مشتريان و مشخصهها بيانگر فراواني، حجـم تبـادلمالي و تأخر هستند. در اين مرحله فرايند نرمالسازي دادهها نيـز انجـام مـيشـود . در گـام دوم،خوشهبندي مورد نظر بـا اسـتفاده از الگـوريتمK-means انجـام مـيشـود . روش K-means از روش هاي فراگير و پركاربرد خوشهبندي است كه در پايگاه دادههـاي كوچـك و متوسـط بسـيارخوب عمل ميكند (هن و كَمبر، 2006) و همچنين در بخـش بنـدي مشـتري زمـاني كـه تعـدادمشتريان خيلي زياد نباشد، رتبة اول را به لحاظ استفاده به خود اختصاص داده است. درنهايـت ، در گام سوم كيفيت خوشهبندي در هر يك از بازهها با استفاده از شاخص دان2 انجام شده و بهتـرينحالت خوشهبندي در هر دوره استخراج ميشود. در ادامه خوشههاي به دستآمده مـورد تحليـل وتفسير قرار گرفته و فرايند برچسبگذاري انجام ميشود.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
Longitudinal
Dunn index

فاز دو مربوط به شناسايي گروههاي رفتاري مختلف مشتريان، در عضـويت بـه بخـشهـايمختلف در طول زمان است. در گام اول دنبالههاي مهاجرت تكتك مشتريان استخراج ميشـود . در اين مرحله با يك دنباله از عضويتهاي مشتري به بخشهاي مختلف در طول زمان، براي هر يك از مشتريان مواجـه هسـتيم. در مرحلـة بعـدي تـلاش مـيشـود بـا اسـتفاده از روشهـايخوشه بندي، گروههاي رفتاري مختلف در مهاجرت مشتري به بخشهاي مختلف استخراج شـود.
براي اين كار، دنبالههاي بهدست آمده از مشتريان با اسـتفاده از روشهـاي خوشـه بنـدي افـرازي وسلسله مراتبي خوشهبندي شده و بهترين حالت آن انتخاب ميشود. خوشهبندي سلسلهمراتبي يكي از روشهاي اصلي و كارا در خوشهبندي دادههاي دنبالهاي است و معمولاً نسبت به سـاير ر وش هـا در دادههاي دنبالهاي، جوابهاي بهتري ميدهد. از روشهاي معمول خوشهبندي ماِننـد K-means نيز ميتوان با در نظر گرفتن فاصلة همينگ1 در اين موارد استفاده كرد (دنگ و پي، 2007).
درنهايت، خوشههاي به دست آمده تحليل و تفسير شده و گروههاي رفتاري مختلف اسـتخراجميشوند و بر اساس نتايج كسبشده، متغير جديدي كه بيانگر گروههاي مختلـف رفتـاري اسـت، تعريف شده و ارتباط آن و مشخصههاي دموگرافيـك بـا اسـتفاده از قـوانين انجمنـي و الگـوريتماپريوري تحليل ميشوند. قوانين انجمني از روشهاي كارا در دادهكاوي است كه به كشف ارتباط بين ويژگيها با رويكرد توصيفي ميپردازد و الگوريتم اپريوري نسبت به ساير الگوريتمهايي كـهبه كشف قوانين انجمني ميپردازند، كاراتر است (تنَ، استينبچ و كومار، 2006).
با استفاده از قوانين به دست آمده، ميتوان ويژگيهاي غالب بخشهاي مختلف را به لحاظ نوع جنسيت و گروههاي سني بررسي كرد و عموميت و اطمينان نتايج را با شـاخصهـاي پشـتيبان واطمينان سنجيد. همچنين قوانين به دستآمده در قالب قوانين اگر و آنگاه بـوده و بـراي كـاربرانقابل درك است.
فاز سه مربوط به شناسايي مشتريان متحرك و بررسي تأثيرات پويـايي گـروههـاي مختلـفرفتاري مشتريان بر تغييرات بخشها است. در اين مرحله، گـروه بنـدي جديـدي از مشـتريان بـراساس تحليلهاي انجام شده، ارائه ميشود. همچنين ارتباط بين گروههاي جديد و مشخصههـايدموگرافيك با استفاده از قوانين انجمني تحليل ميشوند.
يافتههاي پژوهش
صنعت تلفن همراه يكي از صنايع رقابتي در دنياي امـروزه اسـت و در بـين صـنايع مخـابراتي وارتباطي، رو به رشدترين آنها به شمار مي رود (كـيم و يـون، 2004؛ والتـي و كيـو، 1998 و كـيم،
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Hamming
پارك و جيونگ، 2004). در ايران نيز، صنعت تلفن همراه به سمت خصوصي شدن پيش مـي رود و با وجود شركتهايي چون، همراه اول، ايرانسل، تاليا، رايتل و...، به يك صنعت رقابتي تبديل شده است (حاجي آخوندي، هاشمزاده خوراسـگاني، رحمـاني يوشـانلوئي و ميركـاظمي مـود، 1392 و حسيني، بحرينيزاده و ضيائيبيده، 1391). در اين پژوهش بر يكـي از اپراتورهـاي مطـرح تلفـنهمراه در ايران تمركز شده و روشي كه شرح آن پيش از اين گفته شد، روي دادههاي تماسهاي مشتريان در اين شركت پيادهسازي شده است. براساس بررسي ها و مصاحبه بـا كارشناسـان ايـناپراتور، نياز به بخشبندي مشتريان در اين شركت احساس شده و بخشبندي مشتريان بر اسـاسمشخصههاي سن و متوسط درآمد به ازاي هر واحد1 انجام شده است. ايـدة بخـش بنـدي پويـايمشتريان نيز با استقبال كارشناسان اين شركت روبه رو شـد و تحليـل نتـايج پـژوهش بـا كمـككارشناسان بازاريابي اين اپراتور انجام گرفت. در اين بخش به چگونگي پيادهسازي و ارائة نتايج و يافته هاي پژوهش، به تفكيك گام هاي بيان شده در روش پژوهش پرداخته مي شود.
جمعآوري، پيشپردازش و آمادهسازي داده (فاز صفر)
قبل از پيادهسازي روش مورد نظر، فرايند آمادهسازي و پيش پردازش براي بهبود كيفيت دادهها در اين فاز انجام شده است. دادههاي مورد بررسي در اين پژوهش، ركوردهاي تماس مشتركان يكي از اپراتورهاي مطرح تلفن همراه در ايران است كه در نرمافـزار پايگـاه دادة اوراكـل جمـعآوري و ذخيره شده است.
مجموعه دادة اوليه، شامل تراكنشهاي مشتريان در مدت چهار ماه (از تاريخ 1خـرداد تـا 31 شهريور سال 1390)، ركوردهاي تماس 152 مشترك و مشخصات جمعيت شـناختي آنهـا اسـت.
تعداد 46902 تماس، ركوردهاي تماسي اين مشتريان طي چهار ماه است. اين دادهها بـهصـورتتصادفي، از مشتركان يكي از پيششماره هايي نمونهبـرداري شـده اسـت كـه مربـوط بـه حالـتپيش پرداخت بوده اسـت . ايـن مجموعـه داده، از هفـت مشخصـة تلفـن مشـترك، نـوع تمـاس ( درونشهري/ برونشهري)، تاريخ تماس، مدت زمـان مكالمـه، جنسـيت مشـترك، تـاريخ تولـدمشترك و سطح تحصيلات مشترك تشكيل شده است. از ميان اين مشخصه هـا ، بنـا بـر هـدفپژوهش و همچنين ناقصبودن اطلاعات مشخصههاي جمعيتشناختي، فقط مشخصههاي تلفن مشترك، تاريخ تماس و مدت زمان تماس براي انجام پژوهش انتخاب شدند. در اين گام مواردي چون دادههاي ناقص و مفقوده، مقادير داراي خطا، ناسازگاري، اريبي و... نيز مـورد بررسـي قـرارگرفت و دادهها به فرمتي تبديل شدند كه براي پياده سازي روش ها مناسب باشند.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Average revenue per unit (ARPU)
بخشبندي مشتريان در بازههاي زماني مختلف بر اساس تغييرات مشخصههاي RFM ( فاز يك)
در فاز يك، مقدار تغييرات مشخصههاي RFM براي هر يـك از مشـتريان در بـازههـاي زمـانيمختلف بهدست آمده و خوشـهبندي مشتـريان بر اساس اين مشخصـهها بـا اسـتفاده از الگـوريتمK-means انجام گرفته است. گفتنـي اسـت كـه بـازة زمـاني ، هفتگـي در نظـر گرفتـه شـده ونرمال سازي دادهها با استفاده از نرمالسازي مينيمم ـ ماكزيمم انجام شده است. بررسـي كيفيـتخوشهبندي در هر يك از بازههاي زماني نيز با استفاده از شـاخص دان انجـام شـده كـه يكـي ازبهترين شاخصها در ارزيابي كيفيت خوشهبندي است. اين شاخص به تحليلگر كمك ميكند تـاخوشههايي متراكم با مرزهاي مشخص داشته باشد. در اين شاخص دو معيار شامل حداكثر فاصلة درونخوشهاي و حداقل فاصلة برون خوشهاي، بهشكلي كه در رابطة 2 نشـان داده شـده، در نظـرگرفته ميشود.
D nc = min t =1,2,...,nc  minj= t +1,..., nc 

maxk1d(c,..., inc, c diam(cj )k )  (2 رابطة
=
در پيادهسـازي الگـوريتمK-means ، تعـداد خوشـههـا (K) بـر اسـاس نظـرات خبرگـان وكارشناسان اپراتور از 2 تا 12 درنظر گرفته شده و بهترين حالت با استفاده از شاخص دان استخراج شده است. براي نمونه مقادير شاخص دان در بازة زمـاني سـوم، در جـدول 1 آورده شـده اسـت.
جدول 2 نيز مراكز خوشهها را براي اين بازة زماني نشان ميدهد.
جدول 1. مقادير شاخص دان به ازاي مقادير مختلف T3) K)
K Dunn Index(T3)
2 1/15
3 1/32
4 0/80
5 0/76
6 1/16
7 1/16
8 1/16
9 1/06
10 1/08
11 0/82
12 1/02
جدول 2. مراكز خوشهها (3T)
Cluster R3_Mean F3_Mean M3_Mean Number of Items
cluster-1 0/4 20/21 1231/85 116
cluster-2 0 166/50 9977/75 4
cluster-3 4/6 5 214 10

همانطور كه در روش پژوهش گفته شـد، در ادامـة فراينـد ، بايـد تفسـير و برچسـبگـذاريخوشهها انجام شود. شيوة برچسبگذاري براي مشخصههاي F ،R و M با توجه به ميانگين آنها در بازة زماني مورد بررسي، دو حالت High و Low در نظر گرفته شده كه با نماد H و L نشـانداده شده است. به گفته اي اگر براي يك خوشه، ميانگين هر يك از اين متغيرها از ميـانگين كـلاين متغير در بازة زماني مربوطه بزرگتر باشد، برچسب H و در غير اين صورت برچسب L درنظـرگرفته شده است.
بررسي خوشهها نشان ميدهد كه در مورد دو برچسب HLL و LHH، دو نوع گروه رفتـاريوجود دارد. برخي از بخشهايي كه برچسب LHH دارند، از مقادير M بسيار بـالايي برخوردارنـدكه در مقايسه با ساير بخشها از اين نوع، ويژه و خاص هستند. همچنين در گروه رفتاري HLL نيز برخي از بخشها وجود دارند كه ميزان M آنها به نسبت ساير بخشهايي از اين نـوع ، بسـيارپايين است. بنابراين از آنجايي كه بررسي جابهجايي مشتري در سطوح مختلف ارزشي نيز اهميت داشته، دو برچسب مختلف براي اين دو نوع گروه رفتاري تعريف شده است:
گروههاي رفتاري LHH-1 و LHH-2 كه به ترتيب نشاندهندة سطوح ارزش درجـه 1 و درجه 2 هستند. در واقع مشتريان گروه اول، سودآوري بسيار ويژهاي نسبت به گـروهدوم دارند.
گروههاي رفتاري HLL-1 و HLL-2 كه به ترتيب نشاندهندة سطوح ارزش درجـه 1 و درجه 2 هستند. در واقع مشتريان گروه دوم مشترياني هستند كه ارزش بسـيار كمـيبراي شركت ايجاد ميكنند.
بر اين اساس بخشهاي به دست آمده براي بازههاي زماني مختلـف در جـدول 3 نشـان دادهشده است. مقدار يك نشاندهندة وجود آن بخش در بازة زماني مربوطه بوده و مقدار صفر بيانگر اين است كه آن بخش در بازة زماني مربوطه وجود نداشته است. همانطور كـه مشـخص اسـتبخشهاي LHH-1 ،LLL و HLL-1 در تمامي دورهها وجود دارند و ساير بخشها در برخي از بازههاي زماني تشكيل شدهاند.
جدول 3. بخشهاي مختلف مشتريان در بازههاي زماني (16T1-T)

شناسايي گروههاي رفتاري مشتريان در مهاجرت به بخشهاي مختلف در طول زمـان( فاز دو)
هدف از اين مرحله، شناسايي گروههاي رفتاري مشتريان در مهاجرت به بخشهـاي مختلـف درطول زمان است. براي اين كار، ابتدا دنبالههاي عضويت مشتريان به بخشهاي مختلف در طول زمان براي هر يك از مشتريان استخراج شده است. سپس دنبالههاي به دست آمـده بـا اسـتفاده ازالگوريتم افرازي K-means و روشهاي سلسلهمراتبي پيوند تكي، پيوند كامـل و پيونـد متوسـط خوشهبندي شده است. نوع فاصله همينگ در نظر گرفته شده و نتايج بهدست آمده بـا اسـتفاده ازشاخص دان مورد ارزيابي قرار گرفته است.
جدول 4 مقايسة نتايج به دست آمده از چهار الگوريتم مذكور را نشان ميدهد. نتـايج ي كـه از الگوريتم سلسلهمراتبي پيوند متوسط به دست آمد، تعداد بهينـ ة خوشـه هـا را برابـر بـا 8 و مقـدارشاخص دان را برابر با 88/0 نشان داد. شايان ذكر است كه استفاده از روشهاي سلسله مراتبي در خوشهبندي دادههاي دنباله اي را دنگ و پيِ (2007) پيشنهاد كرده اند كـه نتـايج حاصـل از ايـن
پژوهش نيز شاهدي بر اين ادعا است. تعداد مشترياني كه در خوشة اول تا هشتم قرار گرفتهانـد ، به ترتيب برابر با 1، 2، 8، 10، 5، 116، 6 و 4 است.
جدول 4. مقايسة الگوريتمهاي مختلف با استفاده از شاخص دان
K Single Linkage Complete Linkage Average Linkage K-means
2 0/56 0/31 0/44 0/13
3 0/50 0/31 0/44 0/06
4 0/50 0/31 0/31 0/13
5 0/50 0/36 0/36 0/07
6 0/44 0/14 0/50 0/07
7 0/44 0/15 0/38 0/07
8 0/44 0/18 0/88 0/06
9 0/44 0/17 0/36 0/07
10 0/44 0/42 0/55 0/05
11 0/44 0/60 0/56 0/06
12 0/44 0/50 0/36 0/06

نمونههايي از دنبالههاي مربوط به هر يك از اين خوشهها در جدول 5 نشان داده شده اسـت .
در ادامه خوشههاي به دستآمده تفسير مي شود. نمونة مربوط به هر خوشه در داخل پرانتـز نشـانداده شده است.
خوشة اول: همانطور كه اشاره شد اين خوشه شامل يك مشتري است كـه در واقـع دادة پـرتمحسوب ميشود. بررسي رفتار اين مشتري در عضويت به بخشهاي مختلـف در طـول شـانزدهبازة زماني مورد بررسي نيز، نشان ميدهد كه درحقيقت رفتار متفاوتي با ساير مشتريان دارد. ايـن مشتري طي زمان مورد بررسي در بخشهاي مختلف با الگوهـاي رفتـاري متفـاوت و همچنـينسطوح ارزشي مختلف قرار گرفته است. اين بخشها عبارتنـد از: HLL-1 ،LHH-2 ،LHH-1 و LLL. اين مشتري حتي در برخي از بازههاي زماني، يك تماس نيز برقرار نكـرده اسـت. پويـايياين مشتري بسيار قابل توجه است. توزيع فراواني قرار گرفتن اين مشتري در بخشهـاي مـذكوركمابيش يكسان است (رديف 1 جدول 5).

جدول 5. نمونههايي از دنبالههاي مشتريان در هشت خوشة به دست آمده
نمونههايي از دنبالهها خوشه رديف
LHH-2 → HLL-1 → LLL → LLL→ LHH-2 → LHH-1 → LHH-2 → LHH-2 →
HLL-1 → LHH-1 → LHH-1 → No Call → No Call → No Call → No Call → LLL 1 1
No Call → No Call → LLL → LLL → HLL-1 → LLL → LLL → No Call →
HLL-1 → HLL-1 → HLL-2 → HLL-1 → LLL→ No Call → HLL-1 → HLL-1 2 2
No Call → No Call → No Call → No Call → LLL → No Call → No Call → No Call → HLL-2 → No Call → LLL → HLL-1 → LLL → HLL-1 → LLL → HLL-1
→ LLL 3 3
LHH-2 → LLL → No Call → LLL →No Call → No Call → No Call → No Call → No Call →No Call → LLL → LLL → LLL → LLL → LHH-2 → LLL 4
No Call → No Call → LLL → No Call → No Call → No Call → No Call → LLL → LLL → LLL → LHH-2 → LHH-2 → LLL → No Call → No Call → No Call
4 5
No Call → No Call → No Call → No Call → No Call → No Call → No Call → LLL → LLL → LLL → HLL-1 → LHH-2 → LHH-2 → HLL-1 → No Call → No
Call 6
LLL → LLL → LLL → LLL → LLL → HLL-1 → LLL → HLL-1 → No Call →
No Call → No Call → No Call → No Call → No Call → LLL → HLL-1 5 7
LHH-2 → LLL → LLL → LLL → LHH-2 → LHH-2 → HHH → No Call → No
Call → No Call → No Call → No Call → No Call → No Call → LHH-2 → HLL-1 8
LHH-2 → LLL → LLL → LLL → LLL → LHH2 → LLL → LLL → LLL → LLL → LLL → LLL → LLL → LLL → LHH-2 → LLL 6 9
LLL → LLL → LLL → LLL → LLL → LLL → LLL → LLL → LLL → LLL →
LLL → LLL → LLL → LLL → LLL → LLL 10
HLL-1 → HLL-1 → LLL → HLL-2 → HLL-1 → LLL → LLL → LLL → LLL →
HLL-1 → HLL-1 → LLL → HLL-1 → LLL → HLL-1 → LLL 11
HLL-1 → No Call → No Call → HLL-1 → No Call → No Call → No Call → No Call → No Call → No Call → No Call → No Call → No Call → No Call → No Call → No Call 7 12
LHH-1 → LHH-1 → LHH-1 → LHH-1 → LHH-2 → LHH-1 → LHH-1 → LHH-1 → LHH-1 → LHH-1 → LHH-1 → LHH-1 → LHH-2 → LHH-1 → LHH-1 → LHH-1 8 13

خوشة دوم: اين خوشه شامل دو مشتري است كه بين بخشهـايHLL-1 ،LLL و HLL-2 جابهجا ميشوند و در برخي از بازههاي زماني هيچ تماسي برقرار نميكنند. آنچه درخصوص ايـندو مشتري شايان ذكر است، اينكه ايشان به صورت تصادفي و بدون قاعده بين سطوح متوسـط وكمارزش مشتريان و وضعيت بدون تمـاس جابـهجـا مـيشـوند و الگـوي رفتـاري مشخصـي درخصوص رشد يا كاهش ارزش آنها وجود ندارد. تأثير اين دو مشتري در تشكيل بخـشHLL-2 در برخي از بازهها قابل توجه است. اين گروه كوچك را »مشتريان پوياي نـامنظم و بـي قاعـده « ميناميم (رديف 2 جدول 5).
خوشة سوم: اين گروه شامل هشت مشتري يا مشتركاني است كه تا مقطعي از زمـان ، در اكثـربازههاي زماني هيچگونه تماسي برقرار نكردهاند؛ اما از دورة نهم، دهم و يازدهم به بعد، گهگاهي در اين وضعيت قرار گرفتهاند يا ديگر به اين وضعيت بازنگشتهاند. درخصوص پويايي و الگوهـايمهاجرت اين گروه از مشتريان بعد از بازههاي مذكور، ميتوان گفت كه اين مشتريان بيشتر بـينبخشهاي HLL-1 ،LLL و گاهي LHH-2 جابهجا شدهاند. همـان طـور كـه مشـخص اسـت،بررسي الگوهاي رفتاري اين گروه از مشتريان در طول اين شـانزده دوره، رونـد رو بـه رشـدي را نشان ميدهد. بر اين اساس اين گروه را با عنوان »مشتريان پويا بـا رونـد ارزشـي رو بـه رشـد« نام گذاري ميكنيم (رديف 3 و 4 جدول 5).
خوشة چهارم: اين خوشه شامل ده مشتري است كه به نوعي رفتاري مشابه با مشتريان خوشـةقبلي دارند با اين تفاوت كه حضور اين گروه در وضعيتي كه حتي يك تماس نيز برقرار نكردهاند، بيشتر و پيوستهتر است. برخي از مشتريان اين خوشه براي هفت دورة پي درپي، هيچگونه تماسـيبرقرار نكردهاند. علاوه براين، تفاوت عمدة اين خوشه با گروه قبلي در اين است كه اين مشـتريانپس از عضويت به بخشهاي ديگر در مقطعـي از زمـان، دوبـاره در بـازه هـاي زمـاني بعـدي دروضعيت No Call قرار گرفتهاند. به بيان دقيقتر، اين مشتريان پس از حضور در يك بازة زمـانيپيوسته براي سه تا هفت دوره در بخشهاي ديگر، به وضـعيتNo Call برگشـته انـد. بـر ايـناساس، روند رو به رشد پايداري براي اين گروه ملاحظه نميشود. با توجه به توضيحاتي كه گفته شد، اين گروه را »مشتريان پوياي كم ارزش با الگوي رشد ناپايدار و مقطعي« نامگذاري ميكنيم (رديف 5 و 6 جدول 5).
خوشة پنجم: اين گروه كه شامل پنج مشتري است، رفتار متضادي در مقابل گروه سوم از خـودنشان دادهاند. اين گروه در دورههاي ابتدايي بين بخشهاي مختلفي جابهجا شدهاند و البته برخي از آنها گاهي در وضعيت No Call نيز قرار گرفتهاند؛ امـا پـس از آن بـراي چهـار يـا پـنج دورة پي درپي، در وضعيت No Call قرار گرفته و دوباره در بازههاي زماني بعدي به بخشهاي ديگـررفتهاند. دو مورد از مشتريان اين گروه بين بخشهاي HLL-1 و LLL جابهجا شدهانـد و گـروهديگر متشكل از سه مشتري با پويايي بسيار زيـاد بـين بخـشهـايLHH-2 ،LLL ،HLL-1 ، HLH و LHL در حركت بودهاند. پويايي زيرگروه دوم و نقش آنها در ايجاد بخـش هـايLHL ، HLH كه گهگاهي در طول شانزده بازه تشكيل شدهاند، قابل توجـه اسـت. مـا ايـن گـروه را بـاعنوان »مشتريان پويا با روي گرداني جزئي«1، نامگذاري ميكنيم (رديف 7 و 8 جدول 5).
خوشة ششم: بزرگترين گروه مشتريان، خوشة ششم با صدوشانزده مشتري است. نكتـه اي كـهدر نگاه اول در مورد اين بخش جلب توجه ميكند، اينكـه وضـعيتNo Call در مشـتريا ن ايـنگروه بهندرت مشاهده ميشود و اغلب آنها حتي در يك بـازة زمـاني نيـز در ايـن وضـعيت قـرارنگرفته اند. نكتة ديگر درخصوص اين گروه، اينكه بيشتر مشتريان اين گروه در بـازه هـاي زمـانيقابل توجهي در بخش LLL قرار دارند. برخي از مشتريان نيز در تمـامي دوره هـ ا در ايـن بخـشقرار گرفتهاند. بر اين اساس اين گروه را مشتريان وفادار معمـولي مـينـاميم . در مرحلـة دوم بـراساس نظر خبرگان مبني بر اينكه اين بخش از گروههاي كوچكتري با الگوهاي رفتاري متفـاوتو معنادار تشكيل شده است، بار ديگر با استفاده از الگوريتمهايي كه به آنها اشاره شد، اين گروه را خوشهبندي كرديم. نتايج حاكي از آن است كه سه گروه از مشتريان در اين خوشه به صورت زيـروجود دارد:
مشترياني (16 فرد) كه بين LHH-1 ،LLL و LHH-2 جابـه جـا مـيشـوند . ايـن گـروه را
»مشتريان وفادار معمولي و پويا با قابليت رشد ارزشي« نامگـذاري مـي كنـيم. مـيتـوان دوزيرگروه براي اين بخش تعريف كرد: مشترياني (9 فرد) كه بـينLLL ،LHH-1 و گـاه ي LHH-2 جابهجا ميشوند و گروه ديگري كـه بـينLHH-2 و LLL جابـه جـا مـي شـوند. زيرگروه دوم (7 مشتري) در واقع مشترياني هستند كه در بازههايي از زمان، بخش LHH-2 را تشكيل داده و با تغيير رفتار خود و قرار گرفتن در بخش LLL در برخي دورههـا ، موجـبميشوند كه بخش LHH-2 در اين بازهها حذف شود (رديف 9 جدول 5).
مشترياني (92 مشتري) كه در اكثر بازههاي زماني و حتي در تمامي دورهها در بخش LLL قرار گرفتهاند. برخي از اين مشتريان، گاهي در وضعيت No Call قرار گرفتهاند. ده مشتري در تمامي بازهها در بخش LLL قرار دارند و بقيـه در حـداقل نيمـي از بخـشهـا درLLL هستند و در ساير زمانها معمولاً به HLL-1 رفتهاند. درواقع اين گـروه از مشـتريان سـببميشوند كه بخشهاي LLL و HLL-1 در تمامي دورهها وجـود داشـته باشـند. زيرگـروهده تايي را »مشتريان وفادار معمولي ايستا بـا ارزش متوسـط« و زيرگـروه دوم را »مشـتريانوفادار معمولي نسبتاً ايستا با ارزش متوسط« ميناميم (رديف 10 جدول 5).
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Partial churn
• مشترياني (8 فرد) كه بـينHLL-1 ،LLL و HLL-2 جابـه جـا مـيشـوند . برخـي از ايـنمشتريان گاهي به بخشهاي HHH و HLH نيز رفتهاند. رفتار پوياي ايـن گـروه و انتقـالآنها به بخشهاي نامتعارف HLH ، HHH و HLL-2 و درواقع تأثيرگذاري آنهـا در ايجـاداين بخشها در برخي از بازهها قابل توجه است. اين گروه از مشتريان را »مشـتريان وفـادارمعمولي و پويا با قابليت نزول ارزشي« نامگذاري ميكنيم (رديف 11 جدول 5).
خوشة هفتم: اين خوشة شش نفره، بيانگر مشترياني است كه درنهايـت روي گـردان 1 شـده انـد . براساس استراتژيهاي بازاريابي اين شركت، مشترياني كه براي دست كم هشت هفتة پـي درپـي هيچ تماسي برقرار نكنند، مشتريان رويگردان شناخته ميشوند. رفتار اين گروه ميتواند تا حدي الگوي غالب حاكم بر رفتار مشتريان در روي گرداني را نيز نشان دهد؛ بدينگونـه كـه گروهـي ازمشتريان كه در طول زمان به طور پيوسته در بخشهاي HLL-1 يا No Call بـاقي مـي ماننـد، درنهايت روي گردان ميشوند. بخش HLL بيانگر مشترياني است كه تأخر بالا و تـواتر و حجـمتبادل مالي كمي داشتهاند. اين خوشه را »مشتريان پوياي روي گردان« نامگذاري ميكنيم (رديف 12 جدول 5).
خوشة هشتم: اين گروه (4 مورد) شامل مشترياني است كه در اغلب بازهها در بخـشLHH-1 حضور داشتهاند و در برخي از بازهها (سه بازه) نيز به LHH-2 رفتهاند. اين گروه، بخش وفـادار و با ارزش مشتريان بوده و گروه هدف شركت محسوب مـي شـوند . بـر ايـن اسـاس ايـن گـروه را »مشتريان ايستاي با ارزش و وفادار« مينـاميم . رفتـار ايسـتاي ايـن گـروه از مشـتريان موجـبمي شود كه بخش LHH در تمامي بازهها وجود داشته باشد (رديف 13 جدول 5).
نتايج حاصل، ديد مناسبي نسبت به الگوهاي رفتاري مشتريان در عضـويت بـه بخـشهـايمختلف در طول زمان ايجاد ميكند و مـي تـوان از نتـايج آن در راسـتاي بهبـود اسـتراتژيهـايبازاريابي استفاده كرد. در بخش نهايي پيشنهادهايي در اين راستا ارائه ميشود.
در ادامه مشخصة جديدي با نام Cluster، بر اساس گروههاي اصلي به دست آمده كـ ه شـاملهفت مورد هستند (خوشة 2 تا خوشة 8) تعريف شده و ارتباط آن با متغيرهاي جنسـيت و سـن بـااستفاده از قوانين انجمني تحليل شده است. در تحليل ويژگيهـاي غالـب گـروههـا مـيتـوان ازويژگيهاي ديگري چون وضعيت تأهل، سطح درآمد، سطح تحصيلات، منطقة جغرافيايي و... نيز، استفاده كرد كه دادههاي آن در اين پژوهش در دسترس نبوده است.
ــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــــ
1. Churn
شايان ذكر است كه متغير سن در چهار حالت كوچكتر و مساوي 18 سال، بين 19 سال و 25 سال، بين 26 سال و 39 سال و بالاتر از 40 سال با توجه به نظر خبرگان در نظر گرفته شده اسـت .
حداقل اطمينان برابر با 70 درصد و حداقل پشتيبان نيز برابر با 5/2 درصد در نظر گرفته شده اسـت .
نتايج حاصل شامل سه مورد است كه در رديفهاي 1 تا 3 جدول 6 نشان داده شده است.
جدول 6. قوانين انجمني به دست آمده
پشتيبان اطمينان تالي مقدم رديف
%56/29 %73/28 جنسيت = مرد خوشه = 6 1
%2/65 %100 جنسيت = مرد خوشه = 8 2


پاسخ دهید