کاوش روابط میان پویایی مشتریان و روندهای بازار با استفاده از تحلیل داده‌های بزرگ

نوع مقاله : علمی - پژوهشی

نویسندگان

1 دانشجوی دکترای مهندسی فناوری اطلاعات، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران

2 استاد، دانشکده مهندسی صنایع و سیستمها، دانشگاه تربیت مدرس، تهران، ایران

3 استاد، دانشکده مهندسی صنایع و سیستم‌ها، دانشگاه تربیت مدرس، تهران، ایران

4 استادیار، 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


عنوان مقاله [English]

Mining Associations between Dynamics of Customers and Market Trends using Big Data Analytics

نویسندگان [English]

  • Abdolreza Mosaddegh 1
  • Amir Albadvi 2
  • Mohammad Mehdi Sepehri 3
  • Babak Teimourpour 4
1 PhD Candidate of Information Technology Engineering, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran.
2 Professor, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran
3 Professor, Faculty of Industrial Engineering, Tarbiat Modares University, Tehran, Iran.
4 Assistant 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