امیر البدوی - استاد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
اشرف نوروزی - دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
محمدمهدی سپهری - دانشیار مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران
محمد رضا امین ناصری - دانشیار مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران

درآمدسازی در شرکت ها از طریق ایجاد رابطه با مشتریان و حفظ این روابط در درازمدت صورت می پذیرد. از این رو توانایی پیش بینی مناسب روابط با مشتریان نکته ای اساسی در مدیریت رابطه با مشتریان است. بخش بندی روشی است که طی آن با تفکیک مشتریان به بخش های متجانس با رفتار خرید مشابه، تلاش می شود تا ارزش آتی رابطه با مشتریان پیش بینی شود. روش RFM یکی ازمتداول ترین روش های بخش­بندی است که از تحلیل پایگاه داده تراکنشی برای رده بندی ارزش مشتریان استفاده می­کند. پژوهش حاضر تلاش دارد تا از ترکیب مدل‎سازی Pareto/NBD که به مدلی قدرتمند در پیش­بینی رفتار مشتریان مشهور است با روش معمول RFM، کیفیت بخش­بندی مشتریان را ارتقا بخشد. در این پژوهش از روش Pareto/NBD برای تخمین سه مولفه مقدار انتظار احتمال فعالیت آتی، تعداد تراکنش های آتی و متوسط ارزش پولی استفاده شده است. سپس نتایج بخش­بندی مشتریان با استفاده از این مولفه­ها با کاربرد روش مرسوم RFM مقایسه شده است. نتایج حاصل بیانگر بهبود کیفیت بخش­بندی در رده بندی ارزش آتی مشتریان، به‎ویژه در رده­های ارزشمند مشتری با کمک رویکرد پیشنهادی است.

روابط غیرقراردادی, فرایند تحلیل سلسله‎مراتبی فازی, مدل RFM, مدل‎سازی Pareto/NBD