ارائه یک الگو ترکیبی داده کاوی با استفاده از قواعد انجمنی و خوشه بندی برای تعیین استراتژی تخفیف دهی، مطالعه موردی شرکت پخش پگاه

نویسندگان

چکیده

در اکثر شرکت های فروش و پخش، مسئله ترفیعات فروش از جمله مباحث مهم در بازاریابی و فروش است. در این میان مهم ترین دغدغه بازاریابان این است که مناسب ترین سیاست ها را برای پیشبرد فروش شرکت ها انتخاب کنند. از جمله استراتژی های پیشبرد فروش، سیاست تخفیف دهی به مشتریان است. استفاده از یک سیاست تخفیف دهی یکسان برای همه مشتریان و بر روی تمامی کالاها، میزان موفقیت تخفیف را کاهش می دهد، سیاست گذاری برای تخفیف دهی نیازمند استفاده از الگوی است که قادر باشد مناسب ترین نوع تخفیف را به انواع مشتریان در خریدهای متفاوت آنها پیشنهاد دهد. این تحقیق از جهت هدف، کاربردی و به لحاظ روش، توصیفی می باشد و در آن از تکنیک های داده کاوی، به عنوان ابزاری برای ایجاد یک الگو سیاست گذاری تخفیف، برای تدوین الگو سیاست های تخفیف دهی مناسب به مشتریان گروه های مختلف پرداخته شد. در این تحقیق از الگوریتم های خوشه بندی و قواعد انجمنی برای تدوین الگو سیاست گذاری تخفیف دهی مناسب به مشتریان در یک شرکت پخش مواد غذایی استفاده شده است.
به منظور خوشه بندی مشتریان و دستیابی به تعداد خوشه بهینه از معیار RFM و الگوریتم K-Means بهره گرفته شده است و سپس با کمک الگوریتم Apriori قواعد انجمنی، به استخراج قواعد موجود در هر خوشه برای کالاهای مختلف پرداخته شد. در نهایت با توجه به مشخصات مشتریان هر خوشه، استراتژی های مناسب تخفیف به هر گروه در نظر گرفته شد. نتایج این تحقیق نشان می‌دهد بهترین تعداد خوشه برای مشتریان این شرکت هشت عدد می باشد. مشتریان شرکت در دو گروه مشتریان برتر و نامطمئن قرار گرفتند. استراتژی های تخفیف دهی برای هر گروه بر اساس تجزیه و تحلیل نتایج به دست آمده از قواعد انجمنی و مصاحبه با خبرگان این شرکت استخراج گردید و در نهایت برای خریدهای مختلف هر گروه سیاست تخفیف دهی خاصی تدوین گردیده است.
 

کلیدواژه‌ها

عنوان مقاله [English]

Providing Synthetic Data Mining Model Using Association Rules and Clustering for Determining Discounting Strategy (Case Study: Pegah Distribution Co.)

نویسندگان [English]

  • Amane Khadivar
  • Proshat Hamedi

چکیده [English]

Sales promotion is important issue in most of sales and distribution companies and finding the most appropriate strategy for this subject is marketers’ challenge. Discounting (offering) is one of sales promotion strategies. Using the fixed and constant discounting strategy for all customers and on all goods reduces chance for success. Discounting strategy needs a model for providing best prices to customers. This is applied descriptive survey in which data mining was applied as a tool for creating a discounting strategy. In this research, association rule and clustering were used for determining an appropriate discounting strategy.
RFM and K-Means were applied to cluster customers and achieve optimized cluster number. Then, rules available in each cluster for different goods were ex-tracted. Finally, appropriate discounting strategies were considered according to features of customers in each cluster. Findings indicated that the best number of clusters for this company’s customers is 8 clusters. The customers were catego-rized into two categories of premium and hesitant. Discounting strategies were identified based on results from association rule and interview with experts and specific discounting policies were assigned for different purchases of each cate-gory.
 

کلیدواژه‌ها [English]

  • Data mining
  • Association rule
  • K-Mean algorithm
  • Customer
  • Discounting
  • RFM
  • Appriori algorithm