نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی کارشناسی ارشد مدیریت صنعتی، دانشکدۀ مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
2 دانشیار گروه مهندسی صنایع، گروه مهندسی صنایع، دانشکدۀ مهندسی صنایع و مدیریت، دانشگاه صنعتی شاهرود، شاهرود، ایران
چکیده
کلیدواژه‌ها
موضوعات
عنوان مقاله [English]
نویسندگان [English]
Today, companies and organizations are aware of the fact that customer retention leads to greater profitability. Increasing competition causes the rate of customer churn to grow. Therefore, studying the features influencing the tendency of customer churn is important. In the present study, a hybrid model based on the data mining approach is presented to analyze the features of churn customers. In the first step, the feature selection node has been used to identify the features with higher importance and remove redundant items. Then, the C5.0 Decision Tree and Bayesian network were used to classify the customers into two groups, turning customers, and non-turning customers. These are data mining techniques and terms that can help in forecasting. Finally, the proposed model has been implemented in the chain store industry as a case study. Key findings indicate that both the decision tree model and the Bayesian network can predict churn customers with different accuracies, the area under the receiver operating curve in the decision tree model is greater than the Bayesian network model and it has better performance. The results indicate the optimal efficiency of the proposed method. In addition, the results show that three features of gender, marital status, and age from the set of demographic characteristics and five factors of average monthly income level, number of purchases per month, the share of online shopping, how to get to know the store, type of market-related to customer transaction records are among the most effective factors.
Introduction
Customers are among the most important assets for businesses. Customer relationship management has been introduced as a comprehensive key strategy to stay focused on customers' needs and integrate methods of dealing with customers in the organization. In the key area of customer relationship management, the importance of customer orientation is very evident. This term means leaving the organization on behalf of customers and turning to competing organizations to receive services. Customers may leave the organization for various obvious or hidden reasons. The goal of organizations is to maintain existing customers by using customer retention methods. Customer loss creates a situation for competing organizations to attract customers of an organization. This situation has made the importance of predicting the churn of customers to double. Researchers have concluded that a small change in customer retention rate can have a huge impact on overall business improvement. Predicting customer churn is a suitable tool for describing the customer retention process of an organization, and the purpose of using it is to identify a group of customers who are prone to churn. Knowing this group of customers and taking preventive measures can play a very important role in preventing customers from turning away. In such a situation, predicting customer turnover has attracted a lot of attention in management and marketing studies. To efficiently manage customer churn forecasting within an organization, it is of great importance to provide an effective and highly accurate customer churn prediction model.
Methodology
The research is practical according to the purpose. Because the results of this research can be practically used, the nature of this research is post-event. Considering the existence of three types of research methods: quantitative, qualitative, and hybrid, the method of this research is quantitative. Since a specific methodology must be used to perform data mining operations, standard Crisp methodology has been used in this regard. Also, various data mining techniques including feature selection and classification have been used in this research. Finally, a case study is the method used in this research. In this research, based on the real data of the customers of the chain store industry, customer churn is predicted and the effective factors of churn are identified. In this research, a hybrid model based on a data mining approach is presented to analyze the factors of customer churn. In the first step, the Bayesian network algorithm was used to identify factors with higher importance. Bayesian network is a non-circular directed graph where each node represents a variable and arcs represent direct causal relationships between connected nodes and conditional probability tables are assigned to nodes that have conditional dependence. In the second step, the C5.0 decision tree technique was used to classify customers based on their churning status. The C5.0 decision tree is an improvement over the C4.5 and ID3 decision trees. The division of each node is calculated based on information gain. This index is used to select the fragile variable in the process of tree growth.
Findings
The results of the research indicate that the demographic characteristics and purchase records of customers are effective in the behavior of customers. Based on the results of the classification in this research and the rules provided by the decision tree, the eight key factors identified in turning away customers with a significant effect on the studied case have been analyzed in the following. The classification results show that people with a monthly income of 50 million Rials and above are among those customers who are likely to buy again. People with a monthly income of less than 50 million Rials are not customers. People whose number of purchases was more than 2 times a month are among those loyal customers who are likely to buy again, and those customers who are likely to buy less than 2 times would not repurchase and they are part of the churning customers. The obtained results show that people with an internet shopping share of more than 20% are loyal customers and people with a lower shopping share are turned away (churn) customers. The percentage of women's purchases is higher than that of men, and women are more loyal than men. Married people have a higher percentage of the store's customers and are more loyal than single people. The overall amount of people's purchases from a chain store is much higher than from a traditional supermarket.
Conclusions
Analyzing and predicting customer behavior is very important because the cost of losing a customer is very high for an organization. In this regard, in the current research, the method of combining the Bayesian network and a C5.0 decision tree has been developed for predicting the analysis of customer churn. For this purpose, the data of customers of a chain store in Mashhad City has been examined as a case study. The variable of customer repurchase probability is considered as a dependent variable and then the most important independent variables for the implementation of the C5.0 decision tree and Bayesian network are identified by the feature selection node. The results of the present research show that the application of the feature selection algorithm can help the decision makers to accurately classify the model and choose the best model and focus on the variables with the highest importance in predicting the turning of customers. The results also indicate that the eight factors of age, marital status, average monthly income, number of purchases per month, familiarity with the store, type of market, share of online shopping, and special sales are among the most important factors affecting diversion. According to the comparison of two Bayesian network algorithms and the C5.0 decision tree based on ROC diagram results, it is emphasized that the C5.0 decision tree with the highest accuracy has a better performance in identifying returning customers. Finally, a set of managerial insights for formulating marketing plans and facing all kinds of customers has been presented.
کلیدواژه‌ها [English]
مقدمه
مشتریان ازجمله مهم‌ترین دارایی‌ها برای کسبوکارها هستند. در دهه‌های اخیر، به‌دلیل اهمیت مشتریان در کسب‌وکار، تمرکز بسیاری از سازمان‌ها از محصول‌گرایی به مشتری‌مداری بوده است (Ye et al., 2013). شناسایی گروه‌های مختلفی از مشتریان و ایجاد طرح‌های بازاریابی، فروش و خدمات مناسب با نیازها و ویژگی‌های هر گروه، ازجمله هدف‌های مهم مدیریت ارتباط با مشتری است (Kotler, 2000). مدیریت ارتباط با مشتری به‌عنوان یک استراتژی کلیدی جامع برای تمرکز بر نیازهای مشتریان و یکپارچه‌سازی روش‌های برخورد با مشتریان در سازمان معرفی شده است (Brown & Cooper, 1999). درصورتی که سازمان‌ها قادر باشند میزان نگهداری مشتریان خود را به 5 درصد افزایش دهند، سود کسب‌شده برای سازمان‌ها بین 25 تا 85 درصد افزایش پیدا میکند. در این حالت، مشتریان فعلی خرید بیشتری را در زمان کمتری انجام می‌دهند. همچنین، اگر مشتریان فعلی به نوسان‌های قیمت حساسیت کمتری را نشان دهند در این صورت می‌توانند تبلیغی برای جذب مشتریان جدید باشند (Ganesh et al., 2000). در‌حوزۀ کلیدی مدیریت ارتباط با مشتری، اهمیت موضوع رویگردانی مشتریان بسیار نمایان است. درواقع، این اصطلاح به‌معنای ترک سازمان از جانب مشتریان و مراجعه به سازمان‌های رقیب برای دریافت خدمات است. مشتریان ممکن است به دلایل گوناگونِ آشکار یا پنهان سازمان ارائه‌دهندۀ خدمت یا محصول را ترک کنند. درواقع، رویگردانی مشتری نقش بسیار مهمی در بازارهای اشباع‌شدۀ امروزی دارد. هر سازمان برای پیشتازی خود در بازار، کسب سود و مدیریت هزینه‌های خود تلاش میکند. این در‌حالی است که جذب مشتریان جدید پنج تا شش برابر گران‌تر از حفظ مشتریان موجود است (Chung et al., 2016)؛ بنابراین هدف سازمان‌ها بر نگهداری مشتریان موجود با استفاده از روش‌های علمی و کارآمد حفظ مشتری متمرکز است. درواقع، از دست دادن مشتری فعلی منجر به ایجاد جذب مشتریان برای رقبا میشود (Lin et al., 2011). این وضعیت باعث شده است تا اهمیت پیش‌بینی رویگردانی مشتریان سازمان دوچندان شود. محققان به این نتیجه دست یافته‌اند که اندکی تغییر در میزان نگهداری مشتری می‌تواند بر بهبود کلی کسب‌وکار تأثیر بسیار زیادی بگذارد. پیش‌بینی رویگردانی مشتریان ابزاری مناسب برای توصیف فرآیند نگهداری مشتریان یک سازمان است که هدف از به‌کارگیری آن شناسایی گروهی از مشتریان است که مستعد رویگردانی هستند. با شناسایی این گروه از مشتریان و انجام‌دادن اقدام‌های پیشگیرانه می‌توان نقش بسیار مهمی در جلوگیری از رویگردانی مشتریان ایفا کرد. در چنین شرایطی، پیش‌بینی رویگردانی مشتریان توجه زیادی را در مطالعات مدیریت و بازاریابی به خود جلب کرده است. برای مدیریتِ کارآمدِ پیش‌بینیِ روی‌گردانیِ مشتری در درون یک سازمان، ارائۀ مدل پیش‌بینی اثربخش با صحت زیاد رویگردانی مشتری اهمیت فراوانی دارد. مدل‌های پیش‌بینی‌کننده متعدّدی برای این مسئله ارائه شده است. در این میان، تکنیک‌های داده‌کاوی بهطور مؤثری، قادر به شناسایی مشتریان متمایل به رویگردانی است. این تکنیک‌ها قابلیت کشف الگوها و ارتباط‌های درونی داده‌ها را دارند. همچنین، می‌توانند به دسته‌بندی و پیش‌بینی رفتار مدل براساس داده‌های در‌دسترس بپردازند. به عبارت دیگر، داده‌کاوی یک مبحث میان‌رشته‌ای است که با به‌کارگیری الگوریتم‌های مختلف به کشف الگوهای پنهانی مجموعه داده‌های گسترده می‌پردازد (Tsai & Lu, 2009). در صنعت فروشگاه‌های زنجیره‌ای نیز به‌دلیل افزایش رقابت و توجه ویژۀ مشتریان به کیفیت و قیمت کالا، مسئلۀ تحلیل رویگردانی مشتریان اهمیت فراوانی پیدا کرده است. بدیهی است که در این فضای رقابتی و هزینۀ اندک تغییر فروشگاه، مشتریان به‌راحتی فروشگاه مدنظر خود را به یک فروشگاه دیگر با خدمات و محصولات بهتر تغییر می‌دهند. رویگردانی مشتریان از یک فروشگاه به‌معنای کاهش سود عملیاتی است. به همین دلیل، فروشگاه‌ها باید تلاش کنند تا مشتریان باارزش فعلی خود را حفظ کنند؛ بنابراین هدف از پژوهش حاضر ارائۀ مدلی کارآمد برای پیش‌بینی احتمال رویگردانی مشتریان فروشگاه زنجیره‌ای و همچنین، ارائۀ پیشنهاد‌هایی اثربخش برای کاهش رویگردانی مشتریان است.
در این بخش مطالعات انجام‌شده در‌حوزۀ تحلیل رویگردانی مشتریان از‌منظر معیارها و روش تحلیل مرور میشود. در پیشینۀ موضوع، رویگردانی مشتری به فرآیندی اطلاق میشود که مشتریان از یک ارائه‌دهنده خدمات به ارائه‌دهندۀ دیگری تغییر جهت می‌دهند؛ از این رو تکرار‌نشدن خرید به‌منزلۀ رویگردانی از خدمت‌دهنده خواهد بود (Shobana et al., 2023). رویگردانی مشتری منجر به از دست دادن مشتریان بالقوه و کاهش درآمد سازمان خواهد شد. در این راستا، شناسایی و تحلیل علت‌های رویگردانی مشتریان اهمیت دارد و سازمان را قادر میکند تا خدمات خود را برای پاسخگویی بهتر به نیازهای مشتریان بهبود دهد. بهطور کلی، رویگردانی مشتری به دو دستۀ اصلی اختیاری و اجباری تقسیم‌بندی میشود. شناسایی وضعیت رویگردانی اجباری راحت‌تر از وضعیت اختیاری است؛ زیرا مشتریانی را در‌بر‌می‌گیرد که به‌دلیل پاسخگو‌نبودن به‌موقع و مناسب سازمان، تصمیم به قطع ارتباط گرفتهاند. این در‌حالی است که شناسایی رویگردانی اختیاری در دو نوع عمدی و تصادفی و زمان رخداد آن برای سازمان بسیار دشوار است. رویگردانی اختیاری تصادفی می‌تواند به دلایل پیش‌بینی‌نشده همچون تغییرات شرایط مالی یا مکانی مشتری رخ دهد. رویگردانی اختیاری عمدی نیز تحت‌تأثیر عواملی همچون کیفیت سطح خدمات دریافت‌شده در‌مقابل رقبا، تحولات فناورانه و مسائل مشابه خواهد بود. شناسایی و تحلیل عوامل مؤثر بر رویگردانی یک مسئلۀ پیچیده و تأثیرگذار بر مدیریت عملکرد سازمان‌هاست. بهطور کلی، عوامل مؤثر بر رویگردانی به دو دستۀ درونی و بیرونی تقسیم‌بندی شده است (امامی و همکاران، 1394). برخی از مهم‌ترین عوامل درونی عبارت است از: قوانین، عوامل مدیریتی، تبلیغات، خدمات، ساختار هزینه، کارکنان، تعامل و عوامل محیطی. برخی از مهم‌ترین عوامل بیرونی نیز عبارت است از: شهرت و اعتبار، رویگردانی اجباری، شلوغی و ازدحام، عوامل اجتماعی، تجربه‌های گذشته، ملاحظه‌های قومی و هزینۀ رویگردانی. برای نمونه، در یک پژوهش برای تحلیل عوامل مؤثر بر رویگردانی مشتریان در صنعت بانکداری از داده‌های تراکنش مشتریان بانک، اطلاعات دموگرافیک، طول مدت ارتباط مشتریان با بانک و شکایت مشتریان استفاده شده است (Keramati et al., 2016). نتایج به‌دست‌آمده با درخت تصمیم نشان‌دهندۀ ویژگی‌های مشتریان روی‌گردان است. در پژوهشی دیگر از مدل یادگیری ماشین افراطی برای پیش‌بینی رویگردانی مشتریان در صنعت بانکداری استفاده شده است. نتایج کسب‌شده حاکی از دقت بیشتر مدل ارائه‌شده درمقایسه با تکنیک‌های ماشین‌های بردار پشتیبان و شبکههای عصبی پس انتشار است (Mohanty & Sree, 2018). محققان در یک پژوهش به این نتیجه دست یافته‌اند که تأثیر وفاداری و رضایت مشتریان بر قصد جابه‌جایی معنادار است و موانع جابه‌جایی این ارتباط را تقویت میکند (Mosavi et al., 2018). محققان در یک مطالعۀ قیاسی برای پیش‌بینی رویگردانی مشتریان، Apache Sark ML و MLlib را بررسی کرده‌اند (Sayed et al., 2018). در یک پژوهش دیگر از تکنیک شبکۀ عصبی برای تحلیل رویگردانی مشتریان استفاده شده است (Rosa, 2019). نویسنده در این پژوهش از داده‌های یک دورۀ پنج‌ماهه برای تعریف مشتریان وفادار با‌توجه به متغیرهای RFM استفاده کرده است. سپس از روش یاد‌شده برای پنج ماه بعد به جهت تشخیص اینکه کدام یک از مشتریان وفادار مشخص‌شده در دورۀ قبلی در این دوره روی‌گردان شده‌اند، استفاده میشود. در پژوهشی دیگر با استفاده از شبکههای عصبی به‌پیش‌بینی مشتریان روی‌گردان در صنعت مخابراتی پرداخته شده است (Khan et al., 2019). در ابتدا مجموعه داده از شرکت‌های مخابراتی پاکستان جمع‌آوری و سپس برای حذف اطلاعات نامناسب، مراحل پیش‌پردازش بر‌روی‌داده‌ها پیاده‌سازی و اجرا و در‌ادامه، ۲۶ ویژگی مهم که برای تشخیص رویگردانی مشتریان تأثیرگذار بوده انتخاب شده است. درنهایت، مدلی با به‌کارگیری الگوریتم شبکههای عصبی ایجاد شد که دقتی برابر با ۷۹ درصد را برای پیش‌بینی مشتریان روی‌گردان نشان می‌دهد. در یک پژوهش دیگر با استفاده از تکنیک‌های یادگیری ماشین، الگوریتم‌های درخت تصمیم، جنگل تصادفی گرادیان بوستینگ و XGBoost به‌پیش‌بینی مشتریان روی‌گردان در‌حوزۀ مخابرات با استفاده از محیط Hadoop پرداخته شده است (Ahmad et al., 2019). در ابتدا مجموعه دادۀ به‌کاررفته با استفاده از مراحل پیش‌پردازش و فرآیند تحلیل ویژگی‌ها بررسی شد. در‌ادامه، برای مدل‌سازی پیش‌بینی و طبقه‌بندی مشتریان روی‌گردان، ویژگی‌های مناسب انتخاب و در اختیار الگوریتم‌ها قرار داده شد. نتایج نشان می‌دهد که مدل ایجادشده با به‌کارگیری XGBoost نسبت به مدل‌های ایجادشدۀ دیگر دقت بیشتر و عملکرد بهتری را برای طبقه‌بندی مشتریان روی‌گردان دارد. در یک پژوهش دیگر با به‌کارگیری رویکرد متن‌کاوی، ابعاد رضایت مشتری در خطوط هواپیمایی با استفاده از نظرهای برخط مشتریان بررسی شده است (Lucini et al., 2020). محققان نظرهای مشتریان را از خطوط هواپیمایی و مسافران جمع‌آوری و ابعاد رضایت مشتریان را در ۲۷ بُعد شناسایی و همچنین، نظرهای مشتریان را با به‌کارگیری روش طبقه‌بندی بیزینِ ساده به مثبت و منفی تقسیم کرده‌اند و راهکارهایی را برای بهبود رضایت مشتریان ارائه داده‌اند؛ بنابراین حفظ مشتریان فعلی و جذب مشتریان جدید اهمیت زیادی دارد و انجام‌دادن یک پژوهش جامع را می‌طلبد. تحلیل مناسب رفتار رویگردانی و پیش‌بینی دقیق آن می‌تواند منجر به کسب سود بیشتر شود. در اغلب مطالعات رفتار رویگردانی مشتریان به‌صورت مستقل از رفتار دیگر مشتریان در‌نظر گرفته میشود. در یک مطالعه محققان عوامل مؤثر بر رویگردانی مشتریان و پیش‌بینی آن را با در‌نظر‌گرفتن وابستگی رفتار آنها با استفاده از ابزار تحلیل شبکه و الگوریتم یادگیری ماشین تحلیل کرده‌اند (Ljubičić et al., 2023). همچنین، پژوهشگران در مطالعه‌ای دیگر یک مدل پیش‌بینی را برای تحلیل رویگردانی مشتریان در فضای تجارت بنگاه‌به‌بنگاه با استفاده از ابزار داده‌کاوی مبتنی بر الگوریتم جنگل تصادفی ارائه کرده‌اند (Gattermann-Itschert & Thonemann, 2022). در یک مطالعۀ دیگر، پژوهشگران یک مدل پیش‌بینی برای تحلیل عوامل مؤثر بر رویگردانی مبتنی بر الگوریتم تحولی و شبکۀ بیزین در صنعت مخابرات ارائه کرده‌اند (Amin et al., 2023). در یک مطالعۀ دیگر محققان روش‌های مختلف مبتنی بر یادگیری ماشین را برای پیش‌بینی عوامل مؤثر بر رویگردانی مشتریان بررسی کرده‌اند (Geiler et al., 2022). همچنین، محققان در یک مطالعۀ دیگر روش‌های مختلف طبقه‌بندی را برای پیش‌بینی رویگردانی مشتریان در فضای تجارت الکترونیک بررسی کرده‌اند (Baghla & Gupta, 2022). همچنین، محققان در یک مطالعه‌ای دیگر روش‌های مختلف طبقه‌بندی را برای پیش‌بینی رویگردانی مشتریان در فضای تجارت الکترونیک بررسی کرده‌اند (Kim & Lee, 2022). محققان با استفاده از رویکرد یادگیری ماشین مبتنی بر پیاده‌سازی و با تقویت گرادیان درخت تصمیم‌گیری اقدام به پیش‌بینی عوامل مؤثر بر رویگردانی مشتریان در صنعت مخابرات کشور نپال کرده‌اند (Shrestha & Shakya, 2022).
پژوهش حاضر ازنظر هدف کاربردی و ازنظر رویکرد تجزیه‌وتحلیل داده‌ها کمّی است. شناسایی و تعریف شاخص‌های رویگردانی و ارزیابی مشتریان مبتنی بر پیشینۀ موضوع و نظر خبرگان انجام شده است. برای این منظور در ابتدا مطالعۀ معیارها براساس مطالعات کتابخانه‌ای و یافته‌های حاصل از پژوهش‌های پیشین جمع‌آوری شده است. سپس مجموعه ویژگی‌ها با روش دفی فازی دو مرحله‌ای به بررسی و تأیید خبرگان پژوهش رسیده است. گام‌های کلی پژوهش حاضر در شکل ۱ نشان داده شده است.
شکل 1: گام‌های الگوریتم ترکیبی مبتنی بر درخت تصمیم C5.0 و شبکۀ بیزین (منبع: یافته‌های پژوهش)
Figure 1: Steps of Hybrid Algorithm Based on C5.0 Decision and Bayesian Network
1-3. جمع‌آوری داده‌ها
داده‌های بسیار زیادی در بانک اطلاعاتی فروشگاه‌های زنجیره‌ای ثبت شده است. ویژگی‌های لازم پژوهش حاضر با نظر خبرگان و پژوهش‌های پیشین انتخاب شده است. با استفاده از پژوهش‌های گذشته و مبانی نظری دربارۀ موضوع مدنظر، عوامل اصلی رویگردانی شناسایی و استخراج شده است. سپس با کمک تکنیک دلفی فازی در دو مرحله که مبتنی بر نظرهای خبرگان بود، ویژگی‌های اصلی در دو مرحله شناسایی شد تا در طراحی مدل از آنها استفاده شود.
2-3. پیش‌پردازش داده‌ها
پیش‌پردازش داده‌ها به‌عنوان اولین مرحله در ساخت مدل اهمیت فراوانی دارد. به‌کارگیری روش‌های مناسب پیش‌پردازش بر‌روی داده‌ها قبل از ورود آنها به مدل‌های هوش مصنوعی ازجمله مواردی است که می‌تواند نتایج حاصل از شبیه‌‌سازی‌ها را به واقعیت نزدیک کند (حبیبی‌پور و همکاران، 1396). در پژوهش حاضر داده‌ها در ابتدا با استفاده از گره انتخاب ویژگی حاضر در نرم‌افزار مدلر، بررسی و محدودسازی شده است؛ به‌گونه‌ای که ویژگی‌هایی که رکودهای ناقص و یا اشتباه داشتند، اصلاح شدند. در‌ادامه، ویژگی‌هایی که اطلاعات نویز‌دار داشتند و یا از رکودهای غیرضروری تشکیل شده بودند با به‌کارگیری داده‌های جایگزین اصلاح شدند. درنهایت، داده‌های موجود برای ارتقا کیفیت نتایج حاصل، طبق معادلۀ 1 نرمال‌سازی شد. به این ترتیب، داده‌ها در محدودۀ بین 0 و 1 مقدار می‌گیرند.
|
(1) |
|
3-3. انتخاب ویژگی
در روش‌های انتخاب ویژگی با انتخاب زیرمجموعه‌ای بهینه و با حداقل اندازۀ ممکن از ویژگی‌های اولیه، ابعاد داده‌ها کاهش می‌یابد. روش‌های گوناگون انتخاب ویژگی سعی بر این دارند که از‌میان 2N زیرمجموعه کاندید برای یک مجموعۀ N عضوی، بهترین زیرمجموعه را براساس یک تابعِ ارزیابی پیدا کنند. در تمام این روش‌ها براساس کاربرد، زیرمجموعه‌ای به‌عنوان جواب انتخاب میشود که بتواند مقدار تابع ارزیابی را بهینه کند. اگرچه هر روش تلاش میکند تا بهترین ویژگی‌ها انتخاب شود، با‌توجه به وسعت جواب‌های ممکن و افزایش تعداد آنها به‌صورت توانی از N، پیدا‌کردن جواب بهینه مشکل است و در Nهای متوسط و بزرگ هزینۀ زیادی دارد. بهطور کلی، روش‌های انتخاب ویژگی به سه دستۀ اصلی بسته‌بندی، فیلترینگ و ترکیبی تقسیم‌بندی میشود (Kumar & Elavarasan, 2014). در پژوهش حاضر از روش فیلترینگ برای انتخاب ویژگی‌ها استفاده شده است. در روش فیلترینگ با‌توجه به ویژگی‌های کلی داده‌ها، ویژگی‌های بهینه از‌میان کل ویژگی‌های موجود انتخاب میشود. این روش هزینۀ محاسباتی کم و سرعت بالایی دارد و به‌راحتی می‌توان آن را پیاده‌سازی کرد (Tomar & Agarwal, 2014). در پژوهش حاضر از گرهِ انتخابِ ویژگی برای حذف داده‌های زائد استفاده شده است. این گره با استفاده از ضریب همبستگی به انتخاب فیلدهایی که می‌پردازد که ضریب همبستگی آنها به عدد یک نزدیک است. در طبیعت حوادث متعدّدی اتفاق می‌افتد که بین آنها همبستگی وجود دارد؛ به‌طوری که افزایش در مقدار یک متغیر منجر به افزایش یا کاهش در مقدار یک متغیر دیگر میشود که نشان‌دهندۀ همبستگی است. وجود همبستگی بین متغیرهای تحت ارزیابی، به این معنا نیست که یک متغیر، علت متغیر دیگر است. ضریب همبستگی، شاخص آماری است که میزان و حدود ارتباط بین متغیرها را نشان می‌دهد. در این گره پنج آیتم وجود دارد که درآیتم اول می‌توان براساس مقدارهای مفقوده انتخاب کرد؛ یعنی در این آیتم ۷۰% رکوردها و فیلدهایی که مقدارهای مفقودشده را دارند، به‌ترتیب حذف و غربال می‌شوند. در آیتم دوم فیلدهایی غربال میشود که رکوردهای زیادی را براساس فیلدهایی که در دسته‌های مشابهی قرارگرفته، داشته باشد؛ برای مثال، ۹۰% مشتریان فروشگاه اگر یک نوع کالا را خریداری کرده باشند این ویژگی نمی‌تواند تمایز‌دهندۀ یک مشتری از مشتری دیگر باشد؛ درنتیجه این متغیر به‌عنوان یک متغیر بی‌اهمیت می‌تواند از مدل تحلیل حذف شود. در آیتم سوم فیلدهایی غربال میشود که تعداد زیادی دسته‌های جزئی و متفاوت با سایر دسته‌ها وجود داشته باشد؛ یعنی اگر هر مشتری کالای متفاوتی را خریداری کند این اطلاعات در مدل‌سازی مشتری بعدی بهطور طبیعی، نقشی ندارد و مفید نخواهد بود و به همین صورت دو آیتم بعدی براساس ضریب اطمینان، واریانس و انحراف معیار انتخاب ویژگی را انجام می‌دهند. برای انجام‌دادن انتخاب ویژگی، احتمال خرید مجدد مشتری به‌عنوان متغیر وابستۀ پژوهش در‌نظر گرفته میشود که مقدارهای 0 و 1 آن به‌ترتیب شامل عدم خرید مجدد و خرید مجدد میشود. متغیرهای پیش‌بینی‌کننده‌های پژوهش حاضر موارد 1 تا 17 جدول 1 است. در این پژوهش از گره انتخاب ویژگی واقع در نرم‌افزار مدلر برای متغیر وابسته و پیش‌بینی‌کننده استفاده و عملکرد رویکرد انتخاب ویژگی نیز با دقت حاصل از فرآیند طبقه‌بندیِ سنجیده شده است. به این ترتیب که یکبار از الگوریتم انتخاب ویژگی برای انجام‌دادن طبقه‌بندی استفاده و بار دیگر بدون استفاده از الگوریتم انتخاب ویژگی سعی در طبقه‌بندی داده‌ها میشود. درنهایت، با مقایسۀ میزان دقت هرکدام، می‌توان به اهمیت به‌کارگیری الگوریتم انتخاب ویژگی پی برد. در پایان نیز با استفاده از شبکۀ بیزین به انتخاب ویژگی‌ها (اولویت‌بندی ویژگی‌ها) پرداخته شده و سپس درخت تصمیم مبتنی بر خروجی بیزین ترسیم شده است.
4-3. درخت تصمیم
تکنیک درخت تصمیم یکی از قدیمی‌ترین تکنیک‌ها برای ایجاد مدل دسته‌بندی است. الگوریتم‌های مبتنی بر درخت تصمیم، نتیجۀ کار را به‌صورت درختی از کلیۀ حالت‌های مختلف مقدارهای ویژگی‌ها ارائه می‌دهند (صنیعی آباده و همکاران، 1391). از این رو درخت تصمیم قادر به ایجاد توصیف‌های درک‌پذیر برای انسان از مجموعه روابط موجود در یک مجموعه داده است و همچنین، می‌تواند برای وظایف دسته‌بندی و پیش‌بینی از درخت تصمیم استفاده شود (Wu et al., 2022). این ساختار تصمیم‌گیری به شکل‌های گوناگون مانند تکنیک‌های ریاضی و محاسباتی که به توصیف، دسته‌بندی و عام‌سازی یک مجموعه از داده‌ها کمک میکند نیز معرفی میشود (Tsai & Chiou, 2009). ازجمله نقاط قوت درخت تصمیم عبارت است از: 1- قابل فهم و درک‌بودن مدل ایجادشده؛ 2- ارائۀ پیش‌بینی‌ها در‌قالب یک رشته قوانین؛ 3- بی‌نیاز‌بودن به محاسبات طولانی و پیچیده برای دسته‌بندی داده‌ها؛ 4- قابلیت به‌کارگیری برای انواع مختلف داده‌ها؛ 5- شناسایی متغیرهای تأثیرگذار در پیش‌بینی و دسته‌بندی.
در پژوهش حاضر از درخت تصمیم C5.0 استفاده شده است که ازجمله مزایای الگوریتم C5.0 درخت تصمیم، سرعت زیاد، کارایی حافظه، ایجاد درخت‌های تصمیم کوچک‌تر، وزن دهی و غربال‌سازی است (بحرینی‌نژاد و سروش، 1388).
الگوریتم درخت تصمیم C5.0 نسخۀ بهبود‌یافته برپایۀ درخت‌های تصمیم C4.5 و ID3 است که در آن شکسته‌شدن هر گره برپایۀ بهرۀ اطلاعاتی خواهد بود. از شاخص بهرۀ اطلاعاتی برای گزینش متغیر شکننده در فرآیند رشد درخت به کار گرفته میشود. همچنین، میزان همگنی نمونه‌ها در یک گره با شاخص آنتروپی ارزیابی و از آن در تعیین بهرۀ اطلاعاتی نیز استفاده میشود. درصورتی که متغیر هدف، C مقدار متفاوت داشته باشد، شاخص آنتروپی S وابسته به C کلاس از رابطۀ 2 محاسبه خواهد شد.
|
(2) |
|
شاخص Pi نسبتی از S است که به کلاس i تعلق می‌گیرد. درواقع، شاخص بهرۀ اطلاعاتی میزان کاهش انتظار را در شاخص آنتروپی ارائه میکند. به عبارت دیگر، بهرۀ اطلاعاتی تعیین‌کنندۀ اثرگذاری یک متغیر در فرآیند کلاس‌بندی است. بهره اطلاعاتی برای متغیر A وابسته به داده‌های S با استفاده از رابطۀ 3 محاسبه خواهد شد.
|
(3) |
|
در‌بخش نخست رابطۀ (3) میزان شاخص آنتروپی S در‌حالت اولیه و در‌بخش دوم آن میزان شاخص آنتروپی انتظار پس از تقسیم براساس متغیر A نمایش داده شده است.
5-3. شبکۀ بیزین
شبکۀ بیزین یک روش گرافیکی است که محققان در مطالعات تحلیل ریسک و ایمنی برپایۀ دانش احتمال و عدم قطعیت به آن توجه کرده‌اند. شبکۀ بیزین یک گراف جهت‌دار غیر‌مدور است که هر گره نشان‌دهندۀ یک متغیر و کمان‌ها نیز نشان‌دهندۀ روابط علّی مستقیم بین گره‌های بهم متصل‌شده، است. جدول‌های احتمال شرطی به گره‌های با وابستگی شرطی اختصاص داده میشود. براساس استقلال شرطی به‌دست‌آمده از مفهوم d-separation و قاعدۀ زنجیره‌ای، شبکۀ بیزین توزیع احتمال مشترک p(x) از متغیرهای X = {U1, …,Un} را طبق رابطۀ ۴ نشان می‌دهد (Nielsen & Jensen, 2009; Kjaerulff & Madsen, 2008).
Pa(Ui) نشان‌دهندۀ احتمال والد متغیر Ui است؛ از این رو احتمال متغیر Ui به‌صورت رابطۀ ۵ محاسبه میشود.
یکی دیگر از ویژگی‌های بی‌نظیر شبکۀ بیزین درمقایسه با سایر روش‌ها، قابلیت بهره‌گیری از تئوری بیز برای به‌روزرسانی احتمال وقوع رویدادهای اولیه به‌محض دریافت شواهد جدید (مانند آمار وقوع حوادث، داده‌های فرآیندی لحظه‌ای برای محاسبۀ مقدارهای احتمالات به‌روز‌شده) است. (رابطۀ 6) (Nielsen & Jensen, 2009; Kjaerulff & Madsen, 2008).
در رابطۀ (6) X نشان‌دهندۀ متغیر تحت ارزیابی و E شواهد دریافتی است.
در این مطالعه، اطلاعات مرتبط با خرید محصولات مصرفی از نوع تندمصرف از شعبه‌های منتخب یک فروشگاه زنجیره‌ای در شهرستان مشهد با استفاده از ابزار داده‌کاوی تحلیل شده است. مجموعه دادۀ استفاده‌شده در این پژوهش، شامل اطلاعات ۱0۰۰ مشتری با ۱۸ ویژگی است که 7 ویژگی آن مربوط به اطلاعات دموگرافیک مشتریان مانند سن، جنسیت، وضعیت تأهل، مدرک تحصیلی، تعداد خانوار، وضعیت اشتغال و متوسط سطح درآمد ماهیانه و سایر ویژگی‌ها دربارۀ سوابق خرید هر مشتری است. محققان اطلاعات را با استفاده از پرسشنامۀ طراحی‌شده جمع‌آوری کردند که دربرگیرندۀ سؤال‌های مرتبط با ویژگی‌های یاد‌شده در فوق بوده است. ویژگی‌های استفاده‌شده برای انجام‌دادن این پژوهش (جدول 1) با‌توجه به پیشینۀ موضوع، نظرهای خبرگان با روش دلفی دو مرحله‌ای جمع‌آوری شده است. جامعۀ خبرگان پژوهش دربرگیرندۀ 20 نفر از مدیران ارشد فروشگاه زنجیره‌ای شهرستان مشهد و استادان دانشگاه در‌حوزۀ بازاریابی بوده است.
جدول 1: ویژگی‌های انتخاب‌شده
Table 1: Selected Features
|
شمارۀ ویژگی |
نام ویژگی |
منبع |
شمارۀ ویژگی |
نام ویژگی |
منبع |
|
1 |
جنسیت |
Keramati et al. (2016) |
10 |
تعداد خرید در ماه |
Xue & Lu (2011) Baghla & Gupta (2022) Kim & Lee (2022) |
|
2 |
سن |
11 |
ارزش خرید در ماه |
||
|
3 |
وضعیت تأهل |
Gattermann & Thonemann (2022) Amin et al. (2023) |
12 |
تعداد خرید در سال |
|
|
4 |
مدرک تحصیلی |
13 |
تأثیر فروش ویژه در خرید |
||
|
5 |
تعداد خانواده |
14 |
ارزش آخرین خرید در زمان فروش ویژه |
||
|
6 |
وضعیت اشتغال |
15 |
نحوۀ آشنایی با فروشگاه |
||
|
7 |
متوسط سطح درآمد ماهیانه |
16 |
سهم خرید اینترنتی در طی سال |
||
|
8 |
روش آخرین خرید |
Xue & Lu (2011) |
17 |
نوع بازار |
|
|
9 |
ارزش آخرین خرید |
18 |
احتمال خرید مجدد |
Shobana et al. (2023) |
منبع: یافته‌های پژوهش
برای انجام‌دادن و تحلیل مدل ارائه‌شده در این پژوهش از نرم‌افزار IBM SPSS MODELER 18.0 استفاده شده است. بعد از انجام‌دادن پیش‌پردازش از گره انتخاب ویژگی برای شناسایی ویژگی‌های نامرتبط و تکراری که مسئله را با کمترین کاهش درجۀ کارایی تشریح میکند، استفاده و سپس از الگوریتم درخت تصمیم C5.0 و الگوریتم شبکۀ بیزین برای طبقه‌بندی داده‌ها استفاده میشود.
1-4. بررسی اثربخشی رویکرد انتخاب ویژگی
در پژوهش حاضر داده‌ها برای ارزیابی مدل ایجادشده به دو بخش آموزش و آزمایشی تقسیم‌بندی شده است. دربارۀ تعداد رکوردهای آموزش و آزمون می‌توان گفت که اگر تعداد دادۀ آموزشی زیاد باشد، مدل ساخته‌شده به واقعیت نزدیک‌تر خواهد شد. درواقع، از ۷۵ درصد داده‌ها برای آموزش و از ۲۵ درصد نیز برای آزمون و اعتبار مدل استفاده شده است. داده‌های بخش آموزش باعث میشود که مدل بهطور هوشمند، خود را به‌روز و مدل بهینه را ایجاد کند. داده‌های بخش آزمون نیز مدل ایجادشده را ارزیابی میکند. برای بررسی اثربخشی رویکرد انتخاب ویژگی از معیار دقت طبقه‌بندی استفاده شده است. بدین‌جهت، برای بررسی اثربخشی این رویکرد در میزان دقت طبقه‌بندی یکبار از گره انتخاب ویژگی و بار دیگر بدون استفاده از گره انتخاب ویژگی سعی در طبقه‌بندی داده‌ها شده است که نتایج الگوریتم درخت تصمیم و شبکۀ بیزین به‌صورت جداگانه در جدول‌های2 و 3 آمده است.
جدول 2: بررسی اثربخشی رویکرد انتخاب ویژگی درخت تصمیم C5.0
Table 2: Evaluation of the Effectiveness of the C5.0 Decision Tree Feature Selection Approach
|
الگوریتم درخت تصمیم C5.0 |
مجموعه دادۀ یادگیری |
مجموعه دادۀ آزمون |
||
|
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
|
|
دقت بدون انتخاب ویژگی |
62/98 |
38/1 |
98/93 |
02/6 |
|
دقت با انتخاب ویژگی |
100 |
0 |
59/97 |
41/2 |
منبع: یافته‌های پژوهش
جدول 3: بررسی اثربخشی رویکرد انتخاب ویژگی شبکۀ بیزین
Table 3: Evaluation of the Effectiveness of the Bayesian Network Feature Selection Approach
|
الگوریتم شبکۀ بیزین
|
مجموعه دادۀ یادگیری |
مجموعه دادۀ آزمون |
||
|
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
|
|
دقت بدون انتخاب ویژگی |
08/99 |
92/0 |
36/90 |
64/9 |
|
دقت با انتخاب ویژگی |
77/96 |
23/3 |
98/93 |
02/6 |
منبع: یافته‌های پژوهش
همان‌گونه که در جدول‌های 2 و 3 و شکل 2 مشاهده میشود، دقت طبقه‌بندی دو الگوریتم درخت تصمیم C5.0 و شبکۀ بیزین بدون استفاده از انتخاب ویژگی در مجموعه دادۀ آزمون به‌ترتیب برابر با 98/93 و 36/90 است و دقت طبقه‌بندی دو الگوریتم درخت تصمیم C5.0 و شبکۀ بیزین با استفاده از انتخاب ویژگی در مجموعه دادۀ آزمون به‌ترتیب برابر با 59/97 و 98/93 محاسبه شده است. با مقایسۀ نتایج به‌دست‌آمده می‌توان نتیجه گرفت که استفاده از گره انتخاب ویژگی (به‌عنوان تکنیک استفاده‌شده برای رویکرد انتخاب ویژگی) تأثیر بسزایی در دقت طبقه‌بندی دارد.
شکل 2: نمودار میله‌ای بررسی اثربخشی رویکرد انتخاب ویژگی (منبع: یافته‌های پژوهش)
Figure 2: Bar Graph of the Effectiveness of the Feature Selection Approach
2-4. بررسی اثربخشی رویکرد طبقه‌بندی با استفاده از الگوریتم درخت تصمیم C5.0
در پژوهش حاضر برای ایجاد درخت تصمیم، داده‌ها به دو بخش آموزش و آزمون با نسبت 3 به 1 تقسیم و از الگوریتم درخت تصمیم انتخابی C5.0 استفاده شده است. همچنین، از متغیر احتمال خرید مجدد به‌عنوان متغیر هدف (متغیر وابسته) و از متغیرهای شناسایی‌شده با گره انتخاب ویژگی در‌قالب متغیرهای بااهمیت به‌عنوان متغیرهای ورودی (متغیرهای مستقل) برای ساخت درخت تصمیم C5.0 استفاده شده است. درواقع، درخت تصمیم C5.0 با بررسی تمامی فیلدهای پایگاه داده قصد دارد تا به فیلدی برسد که بهترین دسته‌بندی و پیش‌بینی را با تقسیم داده‌ها به زیرگروه‌ها انجام دهد. این فرآیند به‌صورت بازگشتی تکرار میشود تا بازهم زیرگروه‌ها به زیرگروه‌های دیگری شکسته شود. در این فرآیند زیر‌نمونه‌ها مجدد شاخه زده میشود و تا زمانی ادامه می‌یابد که نتوان زیر‌نمونه‌ها را شاخه زد. در پایان، پایین‌ترین سطح شاخه‌ها آزموده میشود و با حذف یا هرس شاخه‌هایی که نقش مهمی در مدل ندارد، عملیات پایان می‌یابد (علیزاده و ملک محمدی، 1393). با‌توجه به نتایج به‌دست‌آمده در شکل 3 بااهمیت‌ترین متغیرها با گره انتخاب ویژگی انتخاب و به‌ترتیب میزان اهمیت آنها شناسایی شده است که بااهمیت‌ترین آنها متوسط سطح درآمد ماهیانۀ مشتریان را نشان می‌دهد.
شکل 3: نتایج طبقه‌بندی با الگوریتم درخت تصمیم C5.0 (منبع: یافته‌های پژوهش)
Figure 3: Classification Results with C5.0 Decision Tree Algorithm
3-4. بررسی اثربخشی رویکرد طبقه‌بندی با استفاده از شبکۀ بیزین
در پژوهش حاضر با استفاده از الگوریتم شبکۀ بیزین و درخت تصمیم، مدل و قوانین رویکرد طبقه‌بندی در راستای احتمال خرید مجدد مشتریان ارائه و استخراج شده است. پس از جمع‌آوری داده‌های مربوط به متغیرها به ساخت مجموعۀ آموزش و آزمون پرداخته شده است که ۷۵ درصد داده‌ها به‌عنوان مجموعه آموزش و ۲۵ درصد به‌عنوان مجموعه آزمون به‌صورت تصادفی انتخاب شده است. داده‌های بخش آموزش مدل را می‌سازند و داده‌های بخش آزمون نیز به ارزیابی مدل ایجادشده می‌پردازند. درواقع، یکی از نیازمندی‌های شبکۀ بیزین و درخت تصمیم، فیلد هدف طبقه‌ای است. فیلد هدف (متغیر وابسته) این پژوهش احتمال خرید مجدد و فیلدهای ورودی ۱7 متغیر مستقل است. بهطور معمول، در پژوهش‌های مرتبط با مدل‌سازی برای بررسی میزان دقت مدل و میزان پیش‌بینی از نمودار receiver operating characteristics (ROC) استفاده میشود. سطح زیر منحنی، میزان توانایی مدل را در تفاوت قائل‌شدن بین چند نتیجه نشان می‌دهد که میزان تمایز نامیده میشود. هرچقدر عدد سطح زیرین منحنی ROC به ۱ نزدیک‌تر باشد، می‌توان نتیجه گرفت که دقت مدل در معیار خوب است و برعکس. همچنین، هرچه این عدد به 5/0 نزدیک‌تر باشد، می‌توان نتیجه گرفت که دقت مدل پایین است و پیش‌بینی نامناسب دارد. در‌ادامه، طبقه‌بندی داده‌ها با سه الگوریتم شبکۀ بیزین به نام‌هایTAN MARKOV و MARKOV-FS بررسی شده است و با‌توجه به مقایسۀ دقت به‌دست‌آمده در نمودارROC (شکل 4) می‌توان نتیجه گرفت که تابع TAN از دو تابع MARKOV و MARKOV-FS عملکرد بهتری دارد.
شکل 4: مقایسۀ دقت سه الگوریتم شبکۀ بیزین (منبع: یافته‌های پژوهش)
Figure 4: Comparison of the Accuracy of Three Bayesian Network Algorithms
با‌توجه به نتایج به‌دست‌آمده در نمودار ROC برای اینکه بتوانیم شبکه‌ای با کیفیت بالا داشته باشیم باید از الگوریتم جست‌وجوی شبکۀ بیزین TAN استفاده شود. عملکرد الگوریتم جست‌وجوی TAN به‌گونه‌ای است که با ایجاد یک شبکۀ بیزین ساده این امکان را فراهم میکند که هر پیش‌بینی‌کننده علاوه‌بر وابستگی به متغیر هدف بتواند به دیگر پیش‌بینی‌کننده‌ها نیز وابستگی داشته باشد؛ بنابراین ساختار TAN باعث میشود تا دقت طبقه‌بندی افزایش یابد (علیزاده و ملک محمدی، 1393). شکل 5، نمودار اهمیت طبقه‌بندی متغیرهای به‌دست‌آمده را با گره انتخاب ویژگی نشان می‌دهد.
نمودار 5: طبقه‌بندی متغیرها با‌توجه به میزان اهمیت آنها با شبکۀ بیزین (منبع: یافته‌های پژوهش)
Diagram 5: Classification of Variables According to Their Importance with Bayesian Network
در شکل‌های 6 و 7 مشخصۀ عملکرد سیستم ROC برای الگوریتم‌ها آورده شده است. این نتایج بیانگر آن است که ازنظر سطح زیر منحنی ROC مدل درخت تصمیم C5.0 عملکرد بهتری در پیش‌بینی رویگردانی مشتریان دارد.
شکل 6: نمودار ROC مقایسۀ دو الگوریتم درخت تصمیم C5.0 و شبکۀ بیزین (منبع: یافته‌های پژوهش)
Figure 6: ROC Diagram Comparing Two C5.0 Decision Tree Algorithms and Bayesian Network
شکل 7: نمودار ROC درخت تصمیم C5.0 (منبع: یافته‌های پژوهش)
Figure 7: ROC Diagram of C5.0 Decision Tree
همچنین، مطابق جدول 4 مقدار خروجی و یا مقدار پیش‌بینی‌شده که با مدل ارائه‌شده به‌دست‌آمده، نشان می‌دهد درخت تصمیم C5.0 با میزان دقت 59/97 درصد نسبت به شبکۀ بیزین با میزان دقت 98/93 درصد دقت بیشتری را دارد. به‌طورکلی، با‌توجه به دو معیار دقت طبقه‌بندی و منحنی ROC می‌توان نتیجه گرفت که مدل درخت تصمیم C5.0 دقت بیشتری دارد.
جدول 4: مقایسۀ دقت دو مدل ارائه‌شده
Table 4: Comparison of the Accuracy of the Two Presented Models
|
الگوریتم |
مجموعه داده یادگیری |
مجموعه داده آزمون |
||
|
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
درصد پیش‌بینی درست |
درصد پیش‌بینی نادرست |
|
|
درخت تصمیم C5.0 |
100 |
0 |
59/97 |
41/2 |
|
شبکۀ بیزین |
77/96 |
23/3 |
98/93 |
02/6 |
منبع: یافته‌های پژوهش
درنهایت، پس از اولویت‌بندی معیارها با الگوریتم شبکۀ بیزین (شکل 8)، نتایج حاصل به‌عنوان ورودی درخت تصمیم C5.0 به کار گرفته میشود. نتایج حاصل از پیاده‌سازی درخت تصمیم در شکل 9 نمایش داده شده است. براساس قوانین استخراج‌شده و متغیرهای تأثیرگذار بر پیش‌بینی، آن دسته از مشتریان که متوسط سطح درآمد پایین‌تری دارند و به تعبیری میزان خرید کمی از سازمان دارند، احتمال بیشتری دارد که از سازمان دریافت‌کنندۀ خدمت روی‌گردان شوند. از‌سویی برخلاف آنچه تصور می‌شد، متغیر نحوۀ آشنایی جزء کم‌تأثیرترین متغیرها بر پیش‌بینی رویگردانی مشتریان است.
شکل 8: ویژگی‌های انتخاب‌شده با الگوریتم شبکۀ بیزین (منبع: یافته‌های پژوهش)
Figure 8: Selected Features with Bayesian Network Algorithm
شکل 9: نتایج طبقه‌بندی با الگوریتم درخت تصمیم C5.0 (منبع: یافته‌های پژوهش)
Figure 9: Classification Results with C5.0 Decision Tree Algorithm
4-4. پیشنهادهای مدیریتی
نتایج پژوهش حاکی از آن است که مشخصه‌های دموگرافیک و سوابق خرید مشتریان در رفتار رویگردانی مشتریان اثرگذار است. مبتنی بر نتایج حاصل از طبقه‌بندی در پژوهش حاضر و قوانین ارائه‌شده با درخت تصمیم (شکل *)، 8 عامل کلیدیِ شناسایی‌شده در رویگردانی مشتریان با تأثیر فراوانی برای شهرستان مشهد بررسی و در‌ادامه، تحلیل شده است. پیشنهادهای کاربردی به تأیید خبرگان پژوهش رسیده است.
1-1-4. متوسط سطح درآمد ماهیانه
نتایج طبقه‌بندی انجام‌شده نشان می‌دهد که افراد با درآمد ماهیانه پنج میلیون تومان و بیشتر جزء آن دسته از مشتریانی هستند که امکان خرید مجدد آنها وجود دارد. از سوی مقابل، افراد با درآمد ماهیانه کمتر از پنج میلیون تومان جزء مشتریان روی‌گردان هستند؛ از این رو پیشنهادهای کاربردی ذیل ارائه میشود.
2-1-4. تعداد خرید در ماه
نتایج پژوهش حاکی از آن است که افرادی که تعداد خرید آنها بیشتر از ۲ بار در ماه بوده است، جزء آن دسته از مشتریان وفادار قرار می‌گیرند؛ زیرا احتمال خرید مجدد آنها وجود دارد و آن دسته از مشتریانی که احتمال خرید آنها کمتر از ۲ بار بوده است، امکان خرید مجدد آنها وجود ندارد و جزء مشتریان روی‌گردان خواهند بود؛ از این رو پیشنهادهای کاربردی ذیل ارائه میشود.
3-1-4. سهم خرید اینترنتی در طی سال
نتایج کسب‌شده نشان می‌دهد که افراد با سهم خرید اینترنتی بیشتر از ۲۰ درصد جزء مشتریان وفادار و افراد با سهم خرید پایین‌تر جزء مشتریان روی‌گردان هستند. از آنجایی که امروزه افزایش فروش و جذب مشتریان جدید وابستگی زیادی به استراتژی‌های بازاریابی دیجیتال سازمان دارد، مجموعه پیشنهادهای کاربردی ذیل ارائه میشود.
4-1-4. جنسیت
نتایج پژوهش نشان می‌دهد که میزان خرید بانوان بیشتر از آقایان بوده است و بانوان وفاداری بیشتری نسبت به آقایان داشته‌اند؛ از این رو پیشنهاد‌هایی درزمینۀ توجه ویژه به جامعۀ مشتریان بانوان در تدوین طرح‌های فروش مانند ارائۀ تخفیفات و تسهیلات برای تکرار خرید و افزایش دفعات و ارزش کلی خرید میشود. همچنین، پیشنهاد میشود که در ارسال محتوای تبلیغاتی و اطلاع‌رسانی به ویژگی جنسیت نیز توجه شود.
5-1-4. وضعیت تأهل
با‌توجه به نتایج به‌دست‌آمده، افراد متأهل درصد بیشتری از مشتریان فروشگاه را دارند و نسبت به افراد مجرد وفاداری بیشتری نیز دارند؛ از این رو پبشنهاد میشود که در ارسال محتوای تبلیغاتی و اطلاع‌رسانی به ویژگی جنسیت نیز توجه شود.
6-1-4. نوع بازار
نتایج حاصل حاکی از آن است که میزان کلی خرید افراد از فروشگاه زنجیره‌ای بسیار بیشتر از سوپرمارکت سنتی است. دلیل این پدیده را می‌توان در ارائۀ طیف متنوعی از محصولات هم‌خانواده به‌صورت متمرکز در یک محل فیزیکی جست‌وجو کرد. پاسخگویی به طیف گسترده از نیازهای مشتریان، ارائۀ خدمات همزمان مانند محصولات مصرفی و غیرمصرفی در یک مکان، در‌نظر‌گرفتن خدمات تفریحی و سرگرمی برای مشتریان همچون رستوان، محل بازی و نگهداری کودکان و غیره همگی در ارتقا جذابیت خرید از یک فروشگاه زنجیره‌ای مؤثر است. از دیگر دلایل افزایش خرید افراد در این فروشگاه‌ها این است که افراد می‌توانند مدت زمان بیشتری و ارزش خرید بیشتری را در فروشگاه داشته باشند.
7-1-4. سن
نتایج نشان می‌دهد افرادی که بیش از 20 سال دارند، امکان خریدشان بیشتر است و افرادی که کمتر از بیست سال دارند، امکان خرید مجددشان اندک است؛ از این رو پیشنهاد میشود برای جذب مشتریان در بازۀ سنی کمتر، ضمن شناسایی نیازهای مصرفی خریداران (نظیر گروه‌ها و سبک‌های کالایی تقاضا‌شده) به این جامعه از مشتریان به‌عنوان مشتریان بالقوۀ آینده نیز توجه شود.
8-1-4. نحوۀ آشنایی با فروشگاه
بهطور کلی، چهار روش آشنایی افراد با فروشگاه در این پژوهش بررسی شده است (جدول 5).
جدول 5: روش‌های آشنایی مشتریان با فروشگاه
Table 5: Ways to Familiarize Customers with the Store
|
شمارۀ روش |
نام روش |
|
۱ |
دوستان و آشنایان |
|
۲ |
کارکنان فروشگاه |
|
۳ |
صفحات مجازی فروشگاه |
|
۴ |
تبلیغات تلویزیونی |
منبع: یافته‌های پژوهش
نتایج حاکی از آن است که آشنایی افراد با فروشگاه از‌طریق معرفی دوستان و آشنایان، کارکنان فروشگاه، صفحات مجازی و تبلیغات تلویزیونی به‌ترتیب بیشترین اهمیت را در آشنایی افراد با فروشگاه و امکان خرید آنها دارد؛ از این‌رو، پیشنهاد استفاده از ابزار تبلیغات دهان‌به‌دهان ارائه میشود. همچنین، پیشنهاد میشود سرمایه‌گذاری در تبلغیات با‌توجه به درجۀ اهمیت هر‌یک از شیوه‌های آشنایی باشد. در این میان، اثر تبلغیات دهان‌به‌دهان مهم است. این در حالی است که این اثر سنتی در فضای مجازی نیز نقش بازی کرده است و برنامه‌ریزان باید به اثر دهان‌به‌دهان اکترونیکی توجه کنند.
تحلیل و پیش‌بینی رفتار مشتریان اهمیت فراوانی دارد؛ زیرا هزینۀ از دست دادن مشتری برای یک سازمان بسیار زیاد است. در همین راستا، در پژوهش حاضر کوشش شد تا برای پیش‌بینی تحلیل رویگردانی مشتریان، روش ترکیبی شبکۀ بیزین و درخت تصمیم C5.0 توسعه داده شود. برای این منظور، داده‌های مشتریان یک فروشگاه زنجیره‌ای در شهرستان مشهد به‌عنوان مطالعۀ موردی بررسی شد. متغیر احتمال خرید مجدد مشتریان به‌عنوان متغیر وابسته در‌نظر‌گرفته و سپس بااهمیت‌ترین متغیرهای مستقل برای پیاده‌سازی درخت تصمیم C5.0 و شبکۀ بیزین با گره انتخاب ویژگی واقع در نرم‌افزار IBM SPSS MODELER 18.0 شناسایی شد. نتایج پژوهش حاضر نشان می‌دهد که به‌کارگیری الگوریتم انتخاب ویژگی می‌تواند دقت مدل طبقه‌بندی را بهبود دهد. همچنین، انتخاب بهترین مدل طبقه‌بندی و تمرکز بر‌روی متغیرها با بالاترین اهمیت بر کیفیت پیش‌بینی رویگردانی مشتریان اثرگذار است. نتایج پژوهش حاکی از آن است که 8 عامل سن، وضعیت تأهل، متوسط سطح درآمد ماهیانه، تعداد خرید در ماه، نحوۀ آشنایی با فروشگاه، نوع بازار، سهم خرید اینترنتی و فروش ویژه از مهم‌ترین عوامل مؤثر بر رویگردانی است. با‌توجه به مقایسۀ دو الگوریتم شبکۀ بیزین و درخت تصمیم‌گیری C5.0 که مبتنی بر نتایج نمودار اROC است، نتایج حاصل بر این مسئله تأکید دارد که درخت تصمیم C5.0 با بیشترین دقت، عملکرد بهتری در شناسایی مشتریان روی‌گردان دارد. درنهایت، در پژوهش حاضر مجموعه‌ای از پیشنهادهای کاربردی مبتنی بر نتایج پژوهش برای تدوین طرح‌های بازاریابی، فروش و مواجه با انواع مشتریان ارائه شد.
برای انجام‌دادن پژوهش‌های آتی پیشنهاد میشود که طیف گسترده‌تری از متغیرهای اثرگذار مرتبط با مشتریان (هزینه و زمان دسترسی به فروشگاه)، فروشگاه ارائه‌دهندۀ خدمت (تنوع ارائۀ محصولات مصرفی و غیرمصرفی، خدمات رفاهی و سرگرمی) و رقبا (کیفیت خدمات ارائه‌شدۀ رقبا و طرح‌های فروش) در توسعۀ مدل پیش‌بینی در‌نظر گرفته شود. علاوه بر آن، استفاده از دیگر روش‌های پیش‌بینی و ارزیابی عملکرد آن نیز به محققان پیشنهاد شود.
)