تبلیغات
Case Method in Marketing Education - داده كاوی درمدیریت ارتباط بامشتری

چكیده
شركتهای امروزی از طریق تجزیه و تحلیل چرخه زندگی مشتری به افزایش ارزش مشتری دست یافته اند. ابزارها و فناوریهای انبار داده، داده كاوی و دیگر تكنیك های مدیریت ارتباط با مشتری، روشهایی هستند كه فرصتهای جدیدی را برای تجارت فراهم كرده اند.

در واقع دیدگاه محصول محوری جای خود را به مشتری محوری داده است. بنابراین، با جمع آوری داده های مربوط به مشتری و تصمیم گیری براساس الگوهای استخراج شده از روابط پنهان میان داده ها به وسیله ابزار داده كاوی، می توان به خواسته مشتری محوری خود جامه عمل پوشاند. این مقاله مفاهیمی از مدیریت ارتباط با مشتری و یكی از عناصر آن - داده كاوی- را مورد بررسی قرار می دهد.

مقدمه
در سالهای اخیر فرهنگ تجارت به پیشرفتهایی نایل گشته است. مطابق با آن روابط اقتصادی مشتریان به شیوه های بنیادی و اساسی در حال تغییر است. شركتها به منظور نظارت بر اینگـــــونه تغییرات نیازمند ارایه راه حلها هستند. ظهور و پیدایش اینترنت در تغییر جهت مركز توجه بازاریابی نقش بسزایی داشته است. چنانچـــــه اطلاعات بر خط (ON LINE) بیشتر در دسترس قرار گیرد موجب آگاهی و هوشیاری بیشتر مشتریان می گردد. آنها در جریان تمام آنچه ارایـــــه و پیشنهاد می شود قرار می گیرند و تقاضای بهترینها را دارند. برای از عهده برآمدن در چنین شرایطی باید سیستم هایی كه بتواند به طور دقیق نسبت به مشتریان واكنش نشان دهد به كـــار رود. جمع آوری آمار مشتریان و داده های رفتاری آنها این هدف اصلی و دقیق را ممكن می سازد. این نوع هدفگیری به یك برنامه ریزی عالی هنگام ایجاد یك رقابت سخت و به مشخص كردن مشتریان بالقـوه هنگام عرضه محصولات جدید كمك می كند.

داده كاوی
امروزه با حجم عظیمی از داده ها روبرو هستیم. برای استفاده از آنها به ابزارهای كشف دانش نیاز داریم. داده كاوی به عنوان یك توانایی پیشرفته در تحلیل داده و كشف دانش مورد استفاده قرار می گیرد. داده كاوی در علوم (ستاره شناسی،...)‌در تجارت (تبلیغات، مدیریت ارتباط با مشتری،...) در وب (موتورهای جستجو،...) در مسایل دولتی (فعالیتهای ضد تروریستی،...) كاربرد دارد. (1) عبارت داده كاوی شباهت به استخراج زغال سنگ و طلا دارد. داده كاوی نیز اطلاعات را كه در انبارهای داده مدفون شده است، استخراج می كند. (2)

در واقع هـــــدف از داده كاوی ایجاد مدل هایی برای تصمیم گیری است. این مدلها رفتارهای آینده را براساس تحلیلهای گذشته پیش بینی می كنند. به كاربردن داده كاوی به عنوان اهرمی برای آماده سازی داده ها و تكمیل قابلیتهای انباره داده (DATA WAREHOUSE) ، بهترین موقعیت را برای به دست آوردن برتریهای رقابتی ایجاد می كند.

سیستم های بانك داده (DATA BASE) ، نقشی كلیدی در سیستم های مدیریت و انبار داده، بازی می كنند. یك سیستم بانك داده، شامل فایل های بانك داده و سیستم های مدیریت بانك داده است.(1)

اغلب تجارت ها به تصمیم گیریهای استراتژیك و یا اتخاذ خط مشی های جدید برای خدمت رسانی بهتر به مشتریان نیاز دارند. به عنوان مثال فروشگاهها آرایش مغازه خود را برای ایجاد میل بیشتر به خرید مجدداً طراحی می كنند و یا خطوط هواپیمایی تسهیلات خاصی را برای مشتریان جهت پروازهای مكرر آنها در نظر می گیرند. این دو مثال به داده هایی در مورد رفتار مصرفی گذشته مشتریان برای تعیین الگوهایی به وسیله داده كاوی، نیاز دارد. براساس این الگوها تصمیمـــات لازم اتخاذ می شود. در واقع ابزار داده كــــاوی، داده را می گیرد و یك تصویر از واقعیت به شكل مدل می سازد، این مدل روابط موجود در داده ها را شرح می دهد. (2)

از نظر فرایندی فعالیتهای داده كاوی به سه طبقه بندی عمومی تقسیم می شوند: (6)

اكتشاف : فرایند جستجو در یك بانك داده برای یافتن الگوهای پنهان، بدون داشتن یك فرضیه از پیش تعیین شده درباره اینكه این الگو ممكن است چه باشد.

مانند تحلیلهایی كه برحسب كالاهای خریداری شده صورت می گیرد، اینگونه تحلیلهای سبدی نشانگر مواردیست كه مشتری تمایل به خرید آنها دارند. این اطلاعات می تواند به بهبود موجودی، استراتژی طراحی، آرایش فروشگاه و تبلیغات منجر گردد.

مدل پیش بینی : فرایندی كه الگوهای كشف شــده از بانك داده را می گیرد و آنها را برای پیش بینی آینده به كار می برد.

مانند پیش بینی فروش در خرده فروشی، الگوهای كشف شده برای فروش به آنها كمك می كند تا تصمیماتی را در رابطه با موجودی اتخاذ كنند.

تحلیلهای دادگاهی : به فرایند به كارگیری الگوهای استخراج شده برای یافتن عوامــل داده ای نامعقول و متناقض مربوط می شود.
مانند شناسایی و تشخیص كلاهبرداری در موسسات مالی. كلاهبرداری به میزان زیادی پرهزینه و زیان آور است، بانكها می توانند با تحلیل دادوستدهای جعلی گذشته الگوهایی را برای تشخیص و كشف كلاهبرداری به دست آورند.
مدیریت ارتباط با مشتری
مدیریت ارتباط با مشتری یك فرایند تجاری است كه تمام جوانب مشخصه های مشتری را آدرس دهی می كند، دانش مشتری را بــه وجود می آورد، روابط را با مشتری شكل می دهد و برداشت آنها را از محصولات یا خدمات سازمان ایجاد می كند. مدیریت ارتباط با مشتری توسط چهار عنصر از یك چارچوب ساده تعریف شده است: دانش، هدف، فروش و خدمت.(2)

مدیریت ارتباط با مشتری با درنظر گرفتن اینكه چه محصولات یا خدماتی، به چه مشتریانی، در چه زمانی و از طریق چه كانالی عرضه شود، بهبود را در پی خواهد داشت. این مدیریت از اجزای مختلفی تشكیل شده است.

پیش از اینكه فرایند آن آغاز شود، شركت باید اطلاعات مشتری را در اختیار داشته باشد. این اطلاعات می تواند از داده های داخلی مشتریان و یا از داده های منابع خارجی خریداری شده، به دست آید. برای داده های داخلی منابع مختلفی وجود دارد مانند پــرسشنامه ها و بلاگ ها ، سوابق كارت اعتباری و....

منابع داده خارجی یا بانكهای داده خریداری شده مانند آدرسها، شماره تلفن ها، پروفایل های بازدید از وب سایتها كلیدی برای به دست آوردن دانش بیشتری از مشتری است.(3)

بیشتر شركتها، بانكهای داده ای عظیمی شامل داده های بازاریابی، منابع انسانی و مالی را دارا هستند. بنابراین، سرمایه گذاری در زمینه انبار داده، یكی از اجزای حیاتی در استراتژی مدیریت ارتباط با مشتری است. (4)

پس از تهیه و تخصیص منابع داده، سیستم مدیریت ارتباط با مشتری باید با به كارگیری ابزارهایی مانند داده كاوی، داده ها را تجزیه و تحلیل كند. اعم از اینكه شركت تكنیك های آماری سنتی را به كار می برد یا یكی از ابزارهای نرم افزاری مانند داده كاوی را، كارشناسان نیاز به فهم داده های مشتری و روابط تجاری دارند. بنابراین، داشتـــن افرادی متخصص كه این داده ها را با ابزارهای مربوطه استخراج و به صورت اطلاعات درآورند، مهم است.

چرخه زندگی مشتری
واژه چرخه زندگی مشتری به مراحلی در ارتباط بین مشتری و تجارت بر می گردد و آگاهی نسبت به آن موجب سودآوری مشتری می شود. عموماً چهار مرحله در چرخه زندگی مشتری وجود دارد:
1 - مشتریهای بالقوه : افرادی كه هنوز مشتری نیستند ولی در هدف بازار قرار دارند؛
2 - مشتریهایی كه عكس العمل نشان می دهند: مشتریان بالقوه یا احتمالی كه به یك محصول یا خدمت علاقه و واكنش نشان می دهند.
3 - مشتریهای بالفعل: افرادی كه در حال حاضر محصول یا خدمتی را به كار می برند.
4 - مشتریهای سابق: اینگونه افراد مشتریان مناسبی نیستند چرا كه مدت زیادی در هدف فروش قرار ندارند و یا خریدشان را به سمت محصولات رقیب برده اند. (2)
فرایند داده كاوی در مدیریت ارتباط با مشتری
داده كاوی یكی از عناصر مدیریت ارتباط با مشتری است و می تواند به حركت شركتها به سمت مشتری محوری كمك كند.

فرایند داده كاوی در مدیریت ارتباط با مشتری به صورت زیر است . (شكل 1)

داده های خام از منابع مختلفی جمع آوری می شوند و از طریق استخراج، ترجمه و فرایندهای فراخوانی به انبار داده این مدیریت وارد می شوند. در بخش مهیـــاسازی داده، داده ها از انبار خارج شده و به صورت یك فرمت مناسب برای داده كاوی در می آیند.

بخش كشف الگو شامل چهار لایه است:

1 - سوالهای تجاری مانند توصیف مشتری،2 - كاربردها مانند امتیازدهی، پیش گویی،3 - روشها مانند سری های زمانی، طبقه بندی،4 - الگوریتم ها.
در این بخش روشهای داده كاوی با كاربرد مخصوص خود برای پاسخ به سوالهای تجاری كه به ذهن می رسند، الگوریتم هایی را استخراج می كنند و از این الگوریتم ها برای ساخت الگو استفاده می شود.
در بخش تجزیه و تحلیل الگو، الگوها به یك دانش مفید و قابل استفاده تبدیل می شوند و پس از بهبود آنها، الگوهایی كه كارا محسوب می شوند در یك سیستم اجرایی به كار گرفته خواهند شد.(1)

نتیجه گیری
رابطه مشتری با زمان تغییر می كند و چنانچه تجارت و مشتری درباره یكدیگر بیشتر بدانند این رابطه تكامل و رشد می یابد. چرخه زندگی مشتری چارچوب خوبی برای به كارگیری داده كاوی در مدیریت ارتباط با مشتری فراهم می كند. در بخش ورودی داده كاوی، چرخه زندگی مشتری می گوید چه اطلاعاتی در دسترس است و در بخش خروجی آن، چرخه زندگی می گوید چه چیزی احتمالاً جالب توجه است و چه تصمیماتی باید گرفته شود. داده كاوی می تواند سودآوری مشتری های بالقوه را كه می توانند به مشتریان بالفعل تبدیل شوند، پیش بینی كند و اینكه تا چه مدت به صورت مشتریان وفادار خواهند ماند و چگونه احتمالاً ما را ترك خواهند كرد.

بعضی از مشتریان مرتباً مراجعاتشان را به شركتها برای كسب مزیتهایی كه طی رقابت میان آنها به وجود می آید، تغییر می دهند. در این صورت شركتها می توانند هدفشان را روی مشتریانی متمركز كنند كه سودآوری بیشتری دارند.

بنابراین می توان از طریق داده كاوی ارزش مشتریان را تعیین، رفتار آینده آنها را پیش بینی و تصمیمات آگاهانه ای را در این رابطه اتخاذ كرد.

منابع:
1 - NONE YE, “THE HAND BOOK OF DATA MINING”, ARIZONA STATE UNIVERSITY, 2003.
2 - CHRIS RYGIELSKI, “DATA MINING TECHNIQUES FOR CUSTOMER RELATIONSHIP MANAGEMENT”, TECHNOLOGY IN SOCIETY, 2002.
3 - FREEMAN M., “THE CUSTOMER LIFECYCLES”, INTELLIGENT ENTERPRISE, 1999.
4 - HILL L., “CRM: EASIER SAID THAN DONE”, INTELLIGENT ENTERPRISE, 1999.
5 - IDC & CAP GEMINI, “FOUR ELEMENTS OF CUSTOMER RELATIONSHIP MANAGEMENT”, CAP GEMINI WHITE PAPER.
6 - INFORMATION DISCOVERY INC., “A CHARACTERIZATION OF DATA MINING TECHNOLOGIES AND PROCESSES”, HTTP://WWW.DMREVIEW.COM/PORTAL


  • آخرین ویرایش:-