کاوش روابط میان پویایی مشتریان و روندهای بازار با استفاده از تحلیل دادههای بزرگ | ||
| چشم انداز مدیریت بازرگانی | ||
| مقاله 2، دوره 17، شماره 35، آذر 1397 اصل مقاله (914.18 K) | ||
| نوع مقاله: علمی - پژوهشی | ||
| نویسندگان | ||
| عبدالرضا مصدق1؛ امیر البدوی* 2؛ محمد مهدی سپهری3؛ بابک تیمورپور4 | ||
| 1دانشجوی دکترای مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران | ||
| 2استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران | ||
| 3استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران | ||
| 4استادیار، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران | ||
| چکیده | ||
| در دوران حاضر مشتریان به عنوان دارایی ارزشمند سازمان محسوب میگردند و سازمانها بجای تمرکز بر تعاملات مقطعی باید به تحکیم رابطه بلندمدت با مشتریان بپردازند. این امر نیازمند شناخت صحیح مشتریان و ارزش واقعی آنان است. یکی ازپرکاربردترین روشهای شناخت مشتریان، بخشبندی آنها به گروههای متجانس و شناخت ویژگیهای هر بخش است، اما شیوههای سنتی و ایستای بخشبندی مشتریان قادر به پاسخگویی به تغییرات سریع بازارهای پویای امروزی نیست. در عصر ارتباطات و فناوریهای نوین، مشتریان مداوما در بین بخشهای مختلف جابجا میشوند. شناخت الگوهای تغییرات و نحوه پویایی بخشهای مشتریان، عاملی کلیدی برای کسب بینش عمیق از مشتریان، پیشبینی تغییرات بازار و حتی هدایت مؤثر آن است. پژوهش حاضر الگوهای پویایی مشتریان را با استفاده از ابزارهای تحلیل دادههای بزرگ در صنعت بانکداری مورد کاوش و مطالعه قرار داده است. نتایج این مطالعه، سیزده گونه از روابط میان پویایی مشتریان و روندهای بازار در صنعت مورد مطالعه را آشکار نمود که با استفاده از آنها، راهکارهایی برای پیشبینی پویایی آتی مشتریان و هدایت آن به نفع سازمان پیشنهاد گردید. | ||
| کلیدواژهها | ||
| پویایی مشتریان؛ تحلیل دادههای بزرگ؛ صنعت بانکداری؛ ارزش طول عمر مشتری | ||
| عنوان مقاله [English] | ||
| Mining Associations between Dynamics of Customers and Market Trends using Big Data Analytics | ||
| نویسندگان [English] | ||
| Abdolreza Mosaddegh1؛ Amir Albadvi2؛ Mohammad Mehdi Sepehri3؛ Babak Teimourpour4 | ||
| 1PhD Candidate of Information Technology Engineering, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran. | ||
| 2Professor, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran | ||
| 3Professor, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran. | ||
| 4Assistant Professor, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran. | ||
| چکیده [English] | ||
| Customers are considered as a precious asset for companies. Marketing should pay attention to long-term exchanges rather than discrete transactions. It’s crucial for enterprises to find out which incentives encourage customers to know the real value of their customers. Segmentation is a strategic tool for organizations to group customers by their common needs; but in the era of digital transformation and unstable markets, customer segments change rapidly. It’s important to understand the dynamics of these changes to predict and manage them efficiently. In the present study, the patterns of customers’ dynamics have been investigated using big-data analytics in the banking industry. The results revealed thirteen categories of associations between the dynamics of customers and market trends which can be used to predict future dynamics of customers and direct it in the favor of the organization. | ||
| کلیدواژهها [English] | ||
| Dynamics of Customers, Big Data Analytics, Banking Industry, CLV | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 12,515 تعداد دریافت فایل اصل مقاله: 3,639 |
||