داده كاوي درمديريت ارتباط بامشتري

چكيده

شركتهاي امروزي از طريق تجزيه و تحليل چرخه زندگي مشتري به افزايش ارزش مشتري دست يافته اند. ابزارها و فناوريهاي انبار داده، داده كاوي و ديگر تكنيك هاي مديريت ارتباط با مشتري، روشهايي هستند كه فرصتهاي جديدي را براي تجارت فراهم كرده اند.

در واقع ديدگاه محصول محوري جاي خود را به مشتري محوري داده است. بنابراين، با جمع آوري داده هاي مربوط به مشتري و تصميم گيري براساس الگوهاي استخراج شده از روابط پنهان ميان داده ها به وسيله ابزار داده كاوي، مي توان به خواسته مشتري محوري خود جامه عمل پوشاند. اين مقاله مفاهيمي از مديريت ارتباط با مشتري و يكي از عناصر آن – داده كاوي- را مورد بررسي قرار مي دهد.

مقدمه

در سالهاي اخير فرهنگ تجارت به پيشرفتهايي نايل گشته است. مطابق با آن روابط اقتصادي مشتريان به شيوه هاي بنيادي و اساسي در حال تغيير است. شركتها به منظور نظارت بر اينگـــــونه تغييرات نيازمند ارايه راه حلها هستند. ظهور و پيدايش اينترنت در تغيير جهت مركز توجه بازاريابي نقش بسزايي داشته است. چنانچـــــه اطلاعات بر خط (ON LINE) بيشتر در دسترس قرار گيرد موجب آگاهي و هوشياري بيشتر مشتريان مي گردد. آنها در جريان تمام آنچه ارايـــــه و پيشنهاد مي شود قرار مي گيرند و تقاضاي بهترينها را دارند. براي از عهده برآمدن در چنين شرايطي بايد سيستم هايي كه بتواند به طور دقيق نسبت به مشتريان واكنش نشان دهد به كـــار رود. جمع آوري آمار مشتريان و داده هاي رفتاري آنها اين هدف اصلي و دقيق را ممكن مي سازد. اين نوع هدفگيري به يك برنامه ريزي عالي هنگام ايجاد يك رقابت سخت و به مشخص كردن مشتريان بالقـوه هنگام عرضه محصولات جديد كمك مي كند.

داده كاوي

امروزه با حجم عظيمي از داده ها روبرو هستيم. براي استفاده از آنها به ابزارهاي كشف دانش نياز داريم. داده كاوي به عنوان يك توانايي پيشرفته در تحليل داده و كشف دانش مورد استفاده قرار مي گيرد. داده كاوي در علوم (ستاره شناسي،…)‌در تجارت (تبليغات، مديريت ارتباط با مشتري،…) در وب (موتورهاي جستجو،…) در مسايل دولتي (فعاليتهاي ضد تروريستي،…) كاربرد دارد. (1) عبارت داده كاوي شباهت به استخراج زغال سنگ و طلا دارد. داده كاوي نيز اطلاعات را كه در انبارهاي داده مدفون شده است، استخراج مي كند. (2)

در واقع هـــــدف از داده كاوي ايجاد مدل هايي براي تصميم گيري است. اين مدلها رفتارهاي آينده را براساس تحليلهاي گذشته پيش بيني مي كنند. به كاربردن داده كاوي به عنوان اهرمي براي آماده سازي داده ها و تكميل قابليتهاي انباره داده (DATA WAREHOUSE) ، بهترين موقعيت را براي به دست آوردن برتريهاي رقابتي ايجاد مي كند.

سيستم هاي بانك داده (DATA BASE) ، نقشي كليدي در سيستم هاي مديريت و انبار داده، بازي مي كنند. يك سيستم بانك داده، شامل فايل هاي بانك داده و سيستم هاي مديريت بانك داده است.(1)

اغلب تجارت ها به تصميم گيريهاي استراتژيك و يا اتخاذ خط مشي هاي جديد براي خدمت رساني بهتر به مشتريان نياز دارند. به عنوان مثال فروشگاهها آرايش مغازه خود را براي ايجاد ميل بيشتر به خريد مجدداً طراحي مي كنند و يا خطوط هواپيمايي تسهيلات خاصي را براي مشتريان جهت پروازهاي مكرر آنها در نظر مي گيرند. اين دو مثال به داده هايي در مورد رفتار مصرفي گذشته مشتريان براي تعيين الگوهايي به وسيله داده كاوي، نياز دارد. براساس اين الگوها تصميمـــات لازم اتخاذ مي شود. در واقع ابزار داده كــــاوي، داده را مي گيرد و يك تصوير از واقعيت به شكل مدل مي سازد، اين مدل روابط موجود در داده ها را شرح مي دهد. (2)

از نظر فرايندي فعاليتهاي داده كاوي به سه طبقه بندي عمومي تقسيم مي شوند: (6)

اكتشاف : فرايند جستجو در يك بانك داده براي يافتن الگوهاي پنهان، بدون داشتن يك فرضيه از پيش تعيين شده درباره اينكه اين الگو ممكن است چه باشد.

مانند تحليلهايي كه برحسب كالاهاي خريداري شده صورت مي گيرد، اينگونه تحليلهاي سبدي نشانگر موارديست كه مشتري تمايل به خريد آنها دارند. اين اطلاعات مي تواند به بهبود موجودي، استراتژي طراحي، آرايش فروشگاه و تبليغات منجر گردد.

مدل پيش بيني : فرايندي كه الگوهاي كشف شــده از بانك داده را مي گيرد و آنها را براي پيش بيني آينده به كار مي برد.

مانند پيش بيني فروش در خرده فروشي، الگوهاي كشف شده براي فروش به آنها كمك مي كند تا تصميماتي را در رابطه با موجودي اتخاذ كنند.

تحليلهاي دادگاهي : به فرايند به كارگيري الگوهاي استخراج شده براي يافتن عوامــل داده اي نامعقول و متناقض مربوط مي شود.

مانند شناسايي و تشخيص كلاهبرداري در موسسات مالي. كلاهبرداري به ميزان زيادي پرهزينه و زيان آور است، بانكها مي توانند با تحليل دادوستدهاي جعلي گذشته الگوهايي را براي تشخيص و كشف كلاهبرداري به دست آورند.

مديريت ارتباط با مشتري

مديريت ارتباط با مشتري يك فرايند تجاري است كه تمام جوانب مشخصه هاي مشتري را آدرس دهي مي كند، دانش مشتري را بــه وجود مي آورد، روابط را با مشتري شكل مي دهد و برداشت آنها را از محصولات يا خدمات سازمان ايجاد مي كند. مديريت ارتباط با مشتري توسط چهار عنصر از يك چارچوب ساده تعريف شده است: دانش، هدف، فروش و خدمت.(2)

مديريت ارتباط با مشتري با درنظر گرفتن اينكه چه محصولات يا خدماتي، به چه مشترياني، در چه زماني و از طريق چه كانالي عرضه شود، بهبود را در پي خواهد داشت. اين مديريت از اجزاي مختلفي تشكيل شده است.

پيش از اينكه فرايند آن آغاز شود، شركت بايد اطلاعات مشتري را در اختيار داشته باشد. اين اطلاعات مي تواند از داده هاي داخلي مشتريان و يا از داده هاي منابع خارجي خريداري شده، به دست آيد. براي داده هاي داخلي منابع مختلفي وجود دارد مانند پــرسشنامه ها و بلاگ ها ، سوابق كارت اعتباري و….

منابع داده خارجي يا بانكهاي داده خريداري شده مانند آدرسها، شماره تلفن ها، پروفايل هاي بازديد از وب سايتها كليدي براي به دست آوردن دانش بيشتري از مشتري است.(3)

بيشتر شركتها، بانكهاي داده اي عظيمي شامل داده هاي بازاريابي، منابع انساني و مالي را دارا هستند. بنابراين، سرمايه گذاري در زمينه انبار داده، يكي از اجزاي حياتي در استراتژي مديريت ارتباط با مشتري است. (4)

پس از تهيه و تخصيص منابع داده، سيستم مديريت ارتباط با مشتري بايد با به كارگيري ابزارهايي مانند داده كاوي، داده ها را تجزيه و تحليل كند. اعم از اينكه شركت تكنيك هاي آماري سنتي را به كار مي برد يا يكي از ابزارهاي نرم افزاري مانند داده كاوي را، كارشناسان نياز به فهم داده هاي مشتري و روابط تجاري دارند. بنابراين، داشتـــن افرادي متخصص كه اين داده ها را با ابزارهاي مربوطه استخراج و به صورت اطلاعات درآورند، مهم است

چرخه زندگي مشتري

واژه چرخه زندگي مشتري به مراحلي در ارتباط بين مشتري و تجارت بر مي گردد و آگاهي نسبت به آن موجب سودآوري مشتري مي شود. عموماً چهار مرحله در چرخه زندگي مشتري وجود دارد:

1 – مشتريهاي بالقوه : افرادي كه هنوز مشتري نيستند ولي در هدف بازار قرار دارند؛

2 – مشتريهايي كه عكس العمل نشان مي دهند: مشتريان بالقوه يا احتمالي كه به يك محصول يا خدمت علاقه و واكنش نشان مي دهند.

3 – مشتريهاي بالفعل: افرادي كه در حال حاضر محصول يا خدمتي را به كار مي برند.

4 – مشتريهاي سابق: اينگونه افراد مشتريان مناسبي نيستند چرا كه مدت زيادي در هدف فروش قرار ندارند و يا خريدشان را به سمت محصولات رقيب برده اند. (2)

فرايند داده كاوي در مديريت ارتباط با مشتري

داده كاوي يكي از عناصر مديريت ارتباط با مشتري است و مي تواند به حركت شركتها به سمت مشتري محوري كمك كند.

فرايند داده كاوي در مديريت ارتباط با مشتري به صورت زير است . (شكل 1)

داده هاي خام از منابع مختلفي جمع آوري مي شوند و از طريق استخراج، ترجمه و فرايندهاي فراخواني به انبار داده اين مديريت وارد مي شوند. در بخش مهيـــاسازي داده، داده ها از انبار خارج شده و به صورت يك فرمت مناسب براي داده كاوي در مي آيند.

بخش كشف الگو شامل چهار لايه است:

1 – سوالهاي تجاري مانند توصيف مشتري،2 – كاربردها مانند امتيازدهي، پيش گويي،3 – روشها مانند سري هاي زماني، طبقه بندي،4 – الگوريتم ها.

در اين بخش روشهاي داده كاوي با كاربرد مخصوص خود براي پاسخ به سوالهاي تجاري كه به ذهن مي رسند، الگوريتم هايي را استخراج مي كنند و از اين الگوريتم ها براي ساخت الگو استفاده مي شود.

در بخش تجزيه و تحليل الگو، الگوها به يك دانش مفيد و قابل استفاده تبديل مي شوند و پس از بهبود آنها، الگوهايي كه كارا محسوب مي شوند در يك سيستم اجرايي به كار گرفته خواهند شد.(1)

نتيجه گيري

رابطه مشتري با زمان تغيير مي كند و چنانچه تجارت و مشتري درباره يكديگر بيشتر بدانند اين رابطه تكامل و رشد مي يابد. چرخه زندگي مشتري چارچوب خوبي براي به كارگيري داده كاوي در مديريت ارتباط با مشتري فراهم مي كند. در بخش ورودي داده كاوي، چرخه زندگي مشتري مي گويد چه اطلاعاتي در دسترس است و در بخش خروجي آن، چرخه زندگي مي گويد چه چيزي احتمالاً جالب توجه است و چه تصميماتي بايد گرفته شود. داده كاوي مي تواند سودآوري مشتري هاي بالقوه را كه مي توانند به مشتريان بالفعل تبديل شوند، پيش بيني كند و اينكه تا چه مدت به صورت مشتريان وفادار خواهند ماند و چگونه احتمالاً ما را ترك خواهند كرد.

بعضي از مشتريان مرتباً مراجعاتشان را به شركتها براي كسب مزيتهايي كه طي رقابت ميان آنها به وجود مي آيد، تغيير مي دهند. در اين صورت شركتها مي توانند هدفشان را روي مشترياني متمركز كنند كه سودآوري بيشتري دارند.

بنابراين مي توان از طريق داده كاوي ارزش مشتريان را تعيين، رفتار آينده آنها را پيش بيني و تصميمات آگاهانه اي را در اين رابطه اتخاذ كرد.

منابع:

1 – NONE YE, “THE HAND BOOK OF DATA MINING”, ARIZONA STATE UNIVERSITY, 2003.

2 – CHRIS RYGIELSKI, “DATA MINING TECHNIQUES FOR CUSTOMER RELATIONSHIP