Hamayesh Arwin Alborz همایش آروین البرز MANJR فصلنامه پژوهش در مدیریت | MANJR 1 3 تحلیل رفتار مشتریان با استفاده از مدل‌های RFM، LRFM و RFMR و شبکه عصبی خودرمزنگار: مطالعه موردی صنعت سرامیک تحلیل رفتار مشتریان با استفاده از مدل‌های RFM، LRFM و RFMR و شبکه عصبی خودرمزنگار: مطالعه موردی صنعت سرامیک 146 154 FA Alireza Hasanzadeh Professor Tarbiat Modares University Faculty of Management and Economics Tehran Iran علیرضا حسن زاده استاد، دانشگاه تربیت مدرس، دانشکده مدیریت و اقتصاد، تهران، ایران Fatemeh Sanatian Masters student Tarbiat Modares University Faculty of International Sciences and Technology Tehran Iran فاطمه صنعتیان دانشجوی کارشناسی ارشد، دانشگاه تربیت مدرس، دانشکده علوم و فناوری بینرشتهای، تهران، ایران 2025 04 21 تحلیل رفتار مشتریان به عنوان یکی از ارکان اساسی در مدیریت ارتباط با مشتری (CRM) و بازاریابی هدفمند، نقش حیاتی در موفقیت کسب‌وکارها ایفا می‌کند. این پژوهش با هدف بررسی و مقایسه مدل‌هایRFM ، LRFM و RFMR با استفاده از داده‌های واقعی یک شرکت سرامیکی انجام شده است. روش پژوهش شامل استخراج داده‌ها، پیش‌پردازش، محاسبه متغیرهایRFM ، LRFM، RFMR، خوشه‌بندی مشتریان با استفاده از الگوریتم K-Means ، شبکه عصبی خودرمزنگار و ارزیابی کیفیت خوشه‌بندی با شاخص امتیاز سیلوئت است. یافته‌ها نشان می‌دهد مدل‌های ترکیبی LRFM و RFMR در مقایسه با مدل RFM، دقت بالاتری در شناسایی الگوهای خرید دارند. مدل LRFM با در نظر گرفتن طول ارتباط مشتری، مشتریان باارزش را بهتر شناسایی می‌کند، در حالی که مدل RFMR با لحاظ کردن نرخ خرید و استفاده از شبکه عصبی خودرمزنگار، الگوهای رفتاری پویاتری را متمایز کرده و امکان شناسایی ریزبخش‌های مشتریان و کشف روابط غیرخطی را فراهم می‌نماید. این پژوهش با ارائه راهکارهایی مانند پیشنهادات ویژه به مشتریان باارزش، توسعه محصولات متنوع و برنامه‌های وفاداری، به شرکت‌های سرامیکی در بهبود استراتژی‌های بازاریابی و افزایش سودآوری کمک می‌کند. تحلیل رفتار مشتریان به عنوان یکی از ارکان اساسی در مدیریت ارتباط با مشتری (CRM) و بازاریابی هدفمند، نقش حیاتی در موفقیت کسب‌وکارها ایفا می‌کند. این پژوهش با هدف بررسی و مقایسه مدل‌هایRFM ، LRFM و RFMR با استفاده از داده‌های واقعی یک شرکت سرامیکی انجام شده است. روش پژوهش شامل استخراج داده‌ها، پیش‌پردازش، محاسبه متغیرهایRFM ، LRFM، RFMR، خوشه‌بندی مشتریان با استفاده از الگوریتم K-Means ، شبکه عصبی خودرمزنگار و ارزیابی کیفیت خوشه‌بندی با شاخص امتیاز سیلوئت است. یافته‌ها نشان می‌دهد مدل‌های ترکیبی LRFM و RFMR در مقایسه با مدل RFM، دقت بالاتری در شناسایی الگوهای خرید دارند. مدل LRFM با در نظر گرفتن طول ارتباط مشتری، مشتریان باارزش را بهتر شناسایی می‌کند، در حالی که مدل RFMR با لحاظ کردن نرخ خرید و استفاده از شبکه عصبی خودرمزنگار، الگوهای رفتاری پویاتری را متمایز کرده و امکان شناسایی ریزبخش‌های مشتریان و کشف روابط غیرخطی را فراهم می‌نماید. این پژوهش با ارائه راهکارهایی مانند پیشنهادات ویژه به مشتریان باارزش، توسعه محصولات متنوع و برنامه‌های وفاداری، به شرکت‌های سرامیکی در بهبود استراتژی‌های بازاریابی و افزایش سودآوری کمک می‌کند. مدل RFM تحلیل رفتار مشتریان بخش‌بندی مشتریان – بازاریابی هدفمند صنعت سرامیک مدل RFM تحلیل رفتار مشتریان بخش‌بندی مشتریان – بازاریابی هدفمند صنعت سرامیک https://manjr.ir/downloadfilepdf/17847