با توجه به شکل۲- ۱۵، بهترین دسته از مشتریان، مشتریانی هستند که هم SOW و هم SW آن‌ ها زیاد باشد. این مشتریان، مشتریانی هستند که حجم خرید آن‌ ها در یک محصول خاص بالا بوده و درصد بالایی از خرید خود را نیز را از شرکت/برند موردنظر خریداری می­ کنند؛ در اینصورت می­توان اظهار داشت که این دسته همان مشتریان باارزشی بوده که شرکت بایستی تلاش خود را برای حفظ آنان بکار گیرد. در مقابل، مشتریانی که SOW و SW پایینی دارند، قرار دارند که به دلیل پایین بودن این دو معیار در این دسته، شرکت برنامه و استراتژی خاصی برای آن‌ ها در نظر نمی­گیرد. دسته سوم از مشتریان، مشتریان با SOW بالا و SW کم می­باشند. این دسته از مشتریان هدف اصلی شرکت در فرایند جذب می­باشند. این مشتریان، مشتریان بالقوه­ای می­باشند که احتمالاً با شرکت/برند موردنظر آشنایی نداشته و به همین دلیل سهم شرکت از سودآوری آن‌ ها ناچیز است. استراتژی­ های اصلی در برخورد با این دسته از مشتریان، فروش متقاطع و فروش بیشتر است. دسته آخر مشتریان، مشتریان با SOW کم و SW بالا می­باشند که علیرغم وفادار بودن به شرکت/برند موردنظر ولی از پتانسیل خرید کمی برخوردار هستند. شرکت­ها ضمن تلاش در جهت حفظ مشتریان این دسته و جلوگیری از رویگردانی آن‌ ها بایستی برای آن‌ ها نیاز تراشی کنند. منظور از “نیاز تراشی” ایجاد حس نیاز به محصولات/خدمات در مشتری از طریق تبلیغات است.

برای دانلود متن کامل پایان نامه به سایت tinoz.ir مراجعه کنید.

ارزش گذشته مشتری(PCV)

در این مدل، ارزش مشتری بر اساس میزان مشارکت گذشته وی در سودآوری شرکت تعیین می­ شود. ازآنجاکه دریافت خدمات در دوره­ های زمانی مختلف و با هزینه­ های مختلف بوده است، لذا بایستی میزان درآمدهای حاصل از هر مشتری به زمان حال آورده شده(شکل۲- ۱۶) و سپس بر اساس ارزش فعلی مشتریان دسته­بندی شوند. مبنای عملکرد این روش آنست که عملکرد گذشته­ی مشری را ملاکی بر سطح سودآوری آتی وی در نظر می­گیرد. روش محاسبه [۸۴]PCV در رابطه ۲-۳ نشان داده شده است.

(۲-۳)

در رابطه ۲-۳، i اندیس نمایشگر مشتری، r نرخ تورم سالیانه، N تعداد دوره­ های زمانی از قبل تا حال است و سهم ناخالص شرکت از تراکنش i است.

شکل۲- ۱۶ مدل PCV

مشکل روش PCV آنست که تصمیم مشتری به فعال ماندن در آینده و هزینه مورد انتظار نگهداری مشتری در آینده را در نظر نگرفته است[۷۹].

مدل RFM

مدل تعیین ارزش RFM، یکی از رایج­ترین و محبوب­ترین مدل­های تعیین ارزش و وفاداری مشتریان است که اولین بار توسط هوگز[۸۵] [۸۵]، ارائه‌شده است. این مدل استراتژیک برای تعیین ارزش مشتریان از ترکیب ۳ فاکتور تازگی[۸۶]، فرکانس[۸۷] و مقدار پولی[۸۸] استفاده می­ کند. متغیر تازگی اشاره به مدت زمان سپری‌شده از آن آخرین خرید مشتری دارد. متغیر فرکانس بیان‌کننده میزان تعاملات مشتری با شرکت در یک دوره زمانی خاص است و متغیر مقدار پولی میزان پول خرج شده توسط مشتری در طول یک دوره زمانی مشخص است[۸۶].
هدف اصلی مدل RFM، دسته­بندی مشتریان بر اساس ارزش R، F و M آن­هاست. برای دستیابی به این هدف، سه روش مختلف در مطالعات اخیر مورد استفاده قرار گرفته است[۸۷]. در ادامه این روش­ها مورد بررسی قرار گرفته است.
در روش اول، ابتدا متغیر R بصورت صعودی و متغیرهای F و M بصورت نزولی مرتب می­شوند و سپس به هر مشتری یک رتبه تخصیص داده می­ شود. در این روش ابتدا مشتریان بر اساس تازگی خرید و بصورت صعودی مرتب می­شوند و سپس کل مشتریان به ۵ دسته یکسان تقسیم ­بندی می­شوند. سپس به هر یک از دسته­های ایجاد شده یک شماره از ۱ تا ۵ اختصاص می­یابد(۱: مشتریان با کمترین مقدار R 5: مشتریان با بیشترین مقدار R). همین روند برای سایر متغیرها(F و M) نیز انجام می­ شود. در انتها هر یک از مشتریان دارای یک کد ۳ رقمی بوده که ارزش آن‌ ها را در مقایسه با سایر مشتریان نشان می­دهد. مشکل این روش عدم امکان تولید تعداد مشتریان برابر در هر دسته است که این محدودیت ریشه در وابسته بودن متغیرها به هم دارد[۱۰]. نکته حائز اهمیت در این روش، ترتیب انتخاب متغیرهاست. تقدم هر یک از متغیرهای R، F و M در صنایع مختلف، متفاوت می­باشد. یکی از روش­های معتبر در تعیین اولویت متغیرها، استفاده از میزان افت نرخ پاسخ­دهی مشتریان است. برای تعیین میزان افت نرخ پاسخگویی می­توان پس از تعیین کد مشتریان در هر دسته(اختصاص کد ۱ تا ۵) درصد مشتریان در هر دسته را تعیین کرده و نمودار آن را ترسیم نمود. سپس با در نظر گرفتن شیب هر یک از نمودارها، متغیرها را بر اساس شیب نمودارهایشان بصورت نزولی مرتب کرده و فرایند دسته­بندی را انجام داد[۱۰]. علت استفاده ازاین‌روش آنست که هر چه شیب نمودار بیشتر باشد، جداسازی مشتریان باکیفیت بالـاتری انجـام مـی­شود. بـا توجه به شکل۲- ۱۷، تـرتیب دسته­بندی مشتریـان بر اساس R و F و M است(R≻F≻M).

Customer Response Rate %
Monetary Frequency Recency

شکل۲- ۱۷ نحوه تعیین میزان افت نرخ پاسخ دهی(منبع:[۱۰])
راه­حل رهایی از مشکل “عدم امکان تولید تعداد مشتریان برابر در هر دسته”، استفاده از روش RFM سلولی است. در این روش که شمای کلی آن در شکل۲- ۱۸ نشان داده شده است، پس از مرتب­سازی مشتریان بر اساس تازگی خرید، مشتریان به ۵ دسته مساوی تقسیم می­شوند. در مرحله بعد، مشتریان موجود در هر یک از ۵ دسته ایجاد شده در مرحله قبل، بر اساس تعداد خرید(F)هایشان مرتب شده و به ۵ دسته تقسیم شده و یک کد دریافت می­نمایند. در مرحله بعد هر یک از ۲۵ دسته ایجاد شده در مرحله قبل، بر اساس M بصورت نزولی مرتب شده و با تقسیم شدن به ۵ دسته، ۱۲۵ دسته نهایی را تشکیل می­دهند[۱۰].

شکل۲- ۱۸ شمای کلی RFM سلولی

در هر دو روش قبل که مورد بررسی قرار گرفت، وزن هر یک از متغیرها یکسان در نظر گرفته شده است. برخلاف نظر هوگز که معتقد بود وزن هر ۳ متغیر R و F و M باهم برابر است، نظر دیگری وجود دارد که در آن پیشنهاد شده است تا وزن هر یک از متغیرها متفاوت و بر اساس صنعت مورد مطالعه تعیین شود. بر اساس این نظریه، مدل کلاسیک RFM تغییر کرده و مدل RFM وزن­دار[۸۹] معرفی گردید. در روش WRFM، ارزش هریک از مشتریان بر اساس رابطه ۲-۴ محاسبه و تعیین می­ شود.

۲-۴

در رابطه ۲-۴، ، و اوزان هریک از متغیرهای R و F و M بوده که با بهره گرفتن از تکنیک­های رگرسیون تعیین می­شوند. با بررسی مطالعات انجام‌شده، می­توان عنوان کرد که، پرکاربردترین روش­های تعیین اوزان متغیرهای RFM عبارتند از: AHP، Topsis و روش­های فازی آن‌ ها.
مدل RFM برای دسته­بندی و تعیین ارزش مشتریان مورد استفاده قرار می­گیرد. درواقع، RFM تنها ارزش مشتریان را محاسبه و تعیین می­ کند؛ اما توانایی تمیز دادن دسته­ی باارزش مشتریان را از سایر دسته­ها ندارد. برای تعیین مشتریان باارزش از مفهوم اندیس سربه­سر[۹۰](BEI) استفاده می­ شود. BEI در رابطه ۲-۵ نشان داده شده است.

حق انحصاری © 2021 مطالب علمی گلچین شده. کلیه حقوق محف