دانلود ترجمه مقاله داده کاوی مشتری برای تقسیم بندی سبک زندگی

1. مقدمه 2. تکامل در رویکردهای دسته بندی 3. توصیف شرکت به عنوان یک مطالعه موردی 4. روش تحقیق 5. دسته های سبک زندگی 6. فعالیتهای بازاریابی 7. نتیجه گیری

چکیده – یک ارتباط خوب بین شرکت ها و مشتریان ، عامل حیاتی رقابت پذیری محسوب می شود. دسته بندی بازار، مساله ای کلیدی برای شرکتها جهت توسعه و حفظ ارتباطات ماندگار با مشتریان متناسب با ارتقای افزایش فروش شرکت است. این مقاله، متدی را برای دسته بندی بازار در مورد خرید مفروض می کند که مبتنی بر سبک زندگی مشتریان است که توسط اطلاعاتی که از بانک داده معاملاتی عظیمی گرفته شده حمایت می شود. مجموعه ای از سبدهای خرید معمول با استفاده از الگوریتم خوشه بندی متغیر ، از بانک داده از بانک داده استخراج شده است و از این داده ها برای استنتاج سبک زندگی مردم استفاده شده است. مشتریان براساس سابقه خرید خود در بخش های سبک زندگی تخصیص یافته اند. این مطالعه با همکاری شرکت خرید اروپایی انجام گرفته است. 1. مقدمه: تغییرات اجتماعی و اقتصادی اخیر که در اروپا رخ داد بخش خرده فروشی را متحول کرد. علی الخصوص، ارتباط بین شرکتها و مشتریان به شکل معناداری تغییر کرد. در گذشته، شرکتها بدون تفحص مفصل در مورد مشتریانی که خدمات و محصولات دریافت می کردند، بر فروش خدمات و محصولات تمرکز می کردند. با زیاد شدن رقبا، جذب مشتریان جدید سخت تر می شود بطوریکه شرکتها مجبور بودند تا برای حفظ مشتریان جدید بیشتر تلاش کنند. تحول شرایط اقتصادی و اجتماعی نیز سبک زندگی را تغییر داده است و در نتیجه، مشتریان نیز کمتر به تمام اطلاعاتی که از طرف شرکت ارائه می شود توجه می کنند. این شرایط شرکتها را از استراتژیهای خدمات/محصول محور به استراتژیهای مشتری محور سوق داد. ایجاد روابط ماندگار با مشتریان نیز تبدیل به هدفی استراتژیک شد. درواقع، شرکتهایی که می خواهند پیشرو باشند باید دائما سطح خدمات خود را برای تضمین یک رابطه تجاری خوب با مشتری بهبود دهند. برخی شرکتها در ساخت بانک های داده ای سرمایه گذاری کرده اند که می تواند حجم زیادی از داده های مربوط به مشتری را جمع آوری کند. برای هر مشتری، میلیون ها داده جمع آوری شده است که امکان تحلیل یک تاریخچه کامل خرید را فراهم می کند. اگرچه داده های کسب شده به ندرت در طراح کاربردهای تجاری مانند کمپین های بازاریابی ترکیب شده است. در حقیقت، در اغلب شرکتها ، اطلاعات موجود درون شیوه های مرتبط ترکیب نشده اند تا به تصمیم گیری کمکی کنند. حجم عظیم داده اغلب منتج به مشکل اضافه بار اطلاعات و عدم دسترسی به دانش می شود. تحلیلگران نتوانسته اند همگام با این داده ها مطالعه کنند و آنها را به دانش های مفید برای مقاصد کاربردی تبدیل کنند. تکنیک های داده کاوی به عنوان ابزارهایی برای تحلیل داده پدیدار شده اند که از فعالیتهای مشتریان که در بانک های بزرگ داده ذخیره شده است منتج می شود. آنها را می توان برای شناسایی الگوهای معنادار و قوانینی اعمال نمود که رفتار مشتری را مورد تاکید قرار داده اند. اگرچه، کاربرد داده کاوی در بازاریابی هنوز هم در مراحل ابتدایی است و اغلب شرکتها از استراتژیهای انبوه برای انگیزش وفاداری مشتری بهره می برند. تقسیم بندی بازاریابی مشتریان یا شناسایی گروههای مشتریان با الگوهای رفتاری اغلب به شیوه ای غیرکاربردی و فاقد عمومیت انجام گرفته است که مبنای تعریف تبلیغات سفارشی را تشکیل می دهد. این مقاله متدی را برای دسته بندی مشتریان پیشنهاد می دهد که از ماهیت محصولات خریداری شده توسط مشتریان آگاه است. این متد بر مبنای تکنیکهای خوشه بندی است که دسته بندی مشتریان را طبق سبک زندگیشان قادر می سازد. ساختار مابقی مقاله بدین شرح است. بخش 2 رویکردهای دسته بندی را مرور می کند. بخش 3 شرکتی که مطالعه موردی بر آن انجام شده را معرفی می کند. بخش 4 متدلوژی را ارائه می دهد و بخش 5 داده ها را معرفی می کند و در مورد نتیجه بحث می کند. بخش 6 فعالیتهای بازاریابی را بر اساس دسته بندی سبک زندگی پیشنهاد می کند. در آخر نتیجه گیری ارائه می شود.

a b s t r a c t A good relationship between companies and customers is a crucial factor of competitiveness. Market segmentation is a key issue for companies to develop and maintain loyal relationships with customers as well as to promote the increase of company sales. This paper proposes a method for market segmentation in retailing based on customers’ lifestyle, supported by information extracted from a large transactional database. A set of typical shopping baskets are mined from the database, using a variable clustering algorithm, and these are used to infer customers lifestyle. Customers are assigned to a lifestyle segment based on their purchases history. This study is done in collaboration with an European retailing company. 1. Introduction The recent economic and social changes that occurred in Europe transformed the retailing sector. In particular, the relationship between companies and customers changed significantly. In the past, companies focused on selling products and services without searching detailed knowledge concerning the customers who bought the products and services. With the proliferation of competitors, it became more difficult to attract new customers, such that companies had to intensify efforts to keep current consumers. The evolution of social and economic conditions also changed lifestyles, and as a result customers are less inclined to absorb all the information they receive from the companies. This context led companies to evolve from product/service-centered strategies to customer-centered strategies. The establishment of loyalty relationships with customers also became a main strategic goal. Indeed, companies wishing to be at the leading edge have to continually improve the service levels in order to ensure a good business relationship with customers. Some companies invested in building databases that are able to collect a big amount of customer-related data. For each customer, millions of data objects are collected, allowing the analysis of the complete purchasing history. However, the information obtained is seldom integrated in the design of business functions such as marketing campaigns. In fact, in most companies the information available is not integrated in procedures to aid decision making. The overwhelming amounts of data have often resulted in the problem of information overload but knowledge starvation. Analysts are not being able to keep pace to study the data and turn it into useful knowledge for application purposes. Data mining (DM) techniques are rising as tools to analyze data resulting from customers’ activity, stored in large databases. They can be applied in order to detect significant patterns and rules underlying consumer behavior. However, the use of DM in marketing is still incipient and most companies still use mass strategies to instigate customers loyalty. The marketing segmentation of customers or the identification of customer groups with similar behavior patterns is often done in an ad-hoc way, which constitutes the basis for the definition of customized promotions. This paper proposes a method for customers segmentation, informed by the nature of the products purchased by customers. This method is based on clustering techniques, which enable segmenting customers according to their lifestyles. The structure of the remainder of the paper is as follows. Section 2 includes a review of segmentation approaches. Section 3 introduces the company used as case study. Section 4 includes a presentation of the methodology, and Section 5 presents the data and discusses the results. Section 6 suggests marketing actions based on the lifestyle segmentation. The paper finishes with the conclusion.

بخشی از ترجمه مقاله (صفحه 17 و 18 فایل ورد ترجمه)