وحید برادران - استادیار گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران شمال، تهران، ایران
محمد بیگلری - کارشناس ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه شمال، آمل، ایران

بخش بندی مشتریان و تحلیل رفتار آنها در صنایع تولید و پخش کالاهای پرگردش، با تعداد کثیری از مشتریان متفاوت در نقاط پراکنده، سبب هدفمندشدن فعالیت­های بازاریابی و ارتباط موثر آنها با مشتریان می شود. بخش بندی مشتریان از رویکردهای داده کاوی که به کشف گروه های مشابه از مشتریان منجر می شود، عمدتا براساس متغیرهای تازگی، تکرار و حجم خرید در مدل RFM انجام می شود. کیفیت بخش بندی، به انتخاب مناسب متغیرهای عملکردی مشتریان بستگی دارد. ارزیابی کیفیت بخش بندی مشتریان بزرگ­ترین شرکت تولید و پخش کالاهای پرگردش، موید فرضیه تاثیرگذاری اندک متغیر تازگی خرید بر بخش بندی مشتریان این صنایع است. در این مقاله، متغیر توالی خرید (C) به­عنوان متغیر عملکردی مشتریان در این صنایع معرفی شده و با جایگزینی آن با متغیر تازگی خرید در مدل RFM، کیفیت بخش بندی مشتریان در این صنایع بهبود داده شده است. کاهش ۱۱ درصدی شاخص دیویس- بولدین در خوشه بندی مشتریان شرکت گلستان و افزایش ۱ درصدی دقت پیش بینی خوشه مشتریان در مدل شبکه های عصبی براساس مدل پیشنهادی این تحقیق (CFM) در مقایسه با مدل RFM، بیانگر دقت بالاتر مدل CFM است.

بخش بندی مشتریان, داده کاوی, صنایع تولید و توزیع کالاهای پرگردش, مدل RFM