|
" Providing a New Approach for Segmenting Customers Based on Their Purchasing Behavior Change over Time in Electronic Business "
سمیرا خدابنده لو؛ محمود زیوری رحمان
2021/09/25
| Record Number
|
:
|
1502256
|
| Language of Document
|
:
|
English
|
| Main Entry
|
:
|
سمیرا خدابنده لو
|
| Title & Author
|
:
|
Providing a New Approach for Segmenting Customers Based on Their Purchasing Behavior Change over Time in Electronic Business [electronic resources: essay]/ سمیرا خدابنده لو؛ محمود زیوری رحمان
|
| Piece Level
|
:
|
Journal of Information Technology Management
|
| Notes Pertaining to Publication, Distribution, Etc.
|
:
|
Research Paper
|
|
|
:
|
September 2017
|
| Access Link
|
:
|
https://jitm.ut.ac.ir/article_61417.html
|
|
|
:
|
https://jitm.ut.ac.ir/article_61417_aa6a97bcebc47212311630561e9b4db6.pdf
|
| Summary or Abstract
|
:
|
Usual methods of segmentation have been designed, relying solely on the components of Recency (R), Frequency (F) and Monetary (M) in which customers’ behavior changes over time are not considered. Accordingly, in order to achieve a desired segmentation method, this study aims to apply a set of statistical calculations, such as line slope and the derivative with respect to time and data mining methods such as K-means and Self-Organizing Maps (SOM) to define new parameters for studying the changes trending of customer purchasing behavior. The results show that considering the slope of the line of customer behavior changes (R, F, and M) and the higher value for recent behaviors of customers compared to that of their past behavior in customer segmentation would thereby increase the accuracy of predicting the future behavior and cause the customers of each section to become more homogeneous. Based on the suggested method, customers are categorized into four segments: best, spender, repeater and missed ones each of them are divided into two subcategories of ascending and descending segments, which leads to better and more accurate understanding of customers in different segments according to how of their purchasing behavior change. Finally, the characteristics of each segments and sub-segments are described and appropriate strategies are provided for managing its customers.
|
|
|
:
|
روشهای معمول بخشبندی صرفاً باتکیه بر سه مؤلفۀ تأخر (R)، تعداد (F) و ارزش پولی (M) طراحی شدهاند و تغییرات رفتاری مشتریان را در طول زمان در نظر نمیگیرند. بر این اساس برای دستیابی به بخشبندی مطلوب، هدف پژوهش حاضر بهکارگیری مجموعهای از محاسبات آماری از قبیل شیب خط و مشتق نسبت به زمان و روشهای دادهکاوی مانند K-means و نقشههای خودسازمانده (SOM) برای تعریف متغیرهایی جدید بهمنظور بررسی روند تغییرات رفتار خرید مشتریان است. نتایج پژوهش نشان میدهد در نظرگرفتن شیب خط تغییرات رفتار مشتریان (R، F و M) و ارزش بیشتر برای رفتارهای اخیر نسبت به رفتارهای گذشته در بخشبندی مشتریان، موجب افزایش دقت پیشبینی رفتار آتی و همگنتر شدن مشتریان هر بخش شده است. بر اساس روش پیشنهادی، مشتریان به چهار بخش بهترین، خرجکننده، تکرارکننده و از دسترفته دستهبندی شدند که بهمنظور شناخت بهتر و دقیقتر مشتریان بر اساس نحوۀ تغییر رفتار آنها، هر بخش نیز به دو زیربخش صعودی و نزولی طبقهبندی شد. درنهایت ضمن تشریح ویژگی هریک از بخشها و زیربخشها، راهبردهای مناسبی برای مدیریت مشتریان آنها ارائه شده است.
|
| Topical Name Used as Subject
|
:
|
Data Mining
|
|
|
:
|
purchasing behavior change
|
|
|
:
|
RFM Model
|
|
|
:
|
customer segmentation
|
|
|
:
|
تغییر رفتار خرید
|
|
|
:
|
دادهکاوی
|
|
|
:
|
مدل RFM
|
|
|
:
|
بخشبندی مشتریان
|
| Personal Name - Alternative Intelectual Responsibility
|
:
|
محمود زیوری رحمان
|
| Originating Source
|
:
|
University of Tehran. Central Library and Documentation Center
|
| |