چکیده مقاله
در عصر داده محور کنونی بخش بندی مشتریان در پلتفرم های تجارت الکترونیک نقش کلیدی در بهینه سازی راهبردهای بازاریابی و افزایش وفاداری مشتری ایفا می کند پژوهش حاضر چارچوب داده محوری برای بخش بندی مشتریان با استفاده از مدل RFM تازگی، تکرار، ارزش مالی و الگوریتم K Means ارائه می دهد مجموعه داده مورد مطالعه شامل بیش از ۵۰۰,۰۰۰ رکورد تراکنشی واقعی از سال های ۲۰۱۶ ۲۰۱۸ است که با روش نمونه گیری لایه ای stratified sampling بر اساس سال و فرکانس خرید به ۴۵,۲۳۱ رکورد کاهش یافت تحلیل PCA برای استخراج امتیاز خرید ترکیبی purchase score به کار گرفته شد تعداد بهینه خوشه ها k=۴ با روش Elbow و Silhouette Score برابر ۰ ۵۲ تعیین گردید چهار گروه متمایز مشتریان شناسایی شدند: مشتریان VIP، ارزش بالا، وفادار مشتریان و وفادار، مشتریان جدید و مشتریان در معرض ریسک طرح کمپین های هدفمند بازاریابی تدوین شد که ROI تخمینی ۰ ۳۱ را پیش بینی می کند نتایج کارایی RFM KMeans را در آشکارسازی الگوهای پنهان رفتاری، تخصیص بهینه منابع و افزایش نرخ نگهداشت مشتری retention rate تایید می کند این رویکرد مبنایی علمی برای تصمیم گیری های داده محور در پلتفرم های تجارت الکترونیک فراهم می آورد
کلیدواژه‌ها
نویسندگان
امیرحسین اسمعیلی
گروه کامپیوتر، مجتمع آموزش عالی فنی مهندسی اسفراین
محسن محمدی
استادیار گروه کامپیوتر، مجتمع آموزش عالی فنی مهندسی اسفراین
شیوه ارجاع
�سمعیلی، امیرحسین و محمدی، محسن،1404،بخش بندی داده محور مشتریان تجارت الکترونیک با استفاده از مدل RFM و الگوریتم K-Means،هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع،اسفراین
ارائه‌شده در
مجموعه مقالات هفتمین کنفرانس ملی دستاوردهای نوین در برق، کامپیوتر و صنایع19 آبان 1404 · اسفراین