پیشرفت فناوری های اطلاعات و ارتباطات، حجم وسیعی از اطلاعات و داده های مفید را در دسترس قرار داده است.با توجه به رشد روز افزون بازار خرید اینترنتی و رقابت شدید بین شرکت ها و سایت های فروش اینترنتی، استفاده بهینه از اطلاعات بازار و مشتری اهمیت ویژه ای پیدا کرده است.

ایده ها و راه حل های گوناگونی برای استفاده از اطلاعات بدست آمده از بازار و مشتریان جهت جذب مشتری و مهمتر از آن جهت نگهداری مشتریان فعلی پدید می آیند که یکی از این ایده ها، استفاده از اطلاعات مشتری برای بدست آوردن و پیش بینی کردن علایق آن است.فرایندهای زیادی را می توان برای بدست آوردن علایق مشتریان متصور شد، اما یکی از این فرایندها که امروزه با استقبال زیادی از سوی شرکت های تجاری و صاحبان سایت های فروش اینترنتی مواجه شده است، استفاده از تکنیک های داده کاوی1 می باشد.

با استفاده از تکنیک خوشه بندی2 و تکنیک قوانین انجمنی3 که از تکنیک های داده کاوی به شمار می آیند و بر روی داده های مربوط به رفتار خرید پیشین مشتری اعمال می شوند، می توان اطلاعات مفیدی جهت پیش بینی رفتار خرید آتی مشتری کسب نمود.شرکت ها از این اطلاعات استفاده می کنند تا بتوانند کالاهای مورد علاقه مشتریان را در مکان و زمان مناسب به آنها پیشنهاد دهند و بدین ترتیب در جهت سیاست نگهداری و حفظ مشتریان گام بردارند.

 

به خاطر بازار رقابتی شدیدی که امروزه در تجارت الکترونیک وجود دارد شرکت های تجاری در تلاش هستند تا شرایط مدیریت ارتباط با مشتری1 را هرچه بیشتر بهبود بخشند تا بتوانند هرچه بیشتر مشتریان فعلی را حفظ کنند و همچنین دیگر مشتریان را هم جذب کنند.

یکی از راه هایی که برای این اهداف شرکت ها و صاحبان کالا مصور است تبلیغ کالاها یا خدماتی است که مشتریان علاقه بیشتری به خرید یا دریافت آنها دارند. بنابراین شرکت ها باید به دنبال این باشند تا تبلیغاتشان بر اساس ترجیحات فردی مشتریان باشد، یعنی تبلیغات را برای هر مشتری شخصی سازی2 کنند.

شرکت های تجاری برای اینکه بتوانند تبلیغات را برای مشتریان خود شخصی سازی کنند نیاز دارند تا اطلاعاتی در مورد علایق این مشتریان بدست آورند. بعضی از آنها برای بدست آوردن این اطلاعات از روش پرسشنامه استفاده می کنند و در ابتدای ارتباط با مشتری پرسش هایی در مورد شخص مشتری از قبیل سن و جنسیت و … از او می پرسند. بعلاوه همچنین ممکن است سوالاتی در مورد علایق خرید مشتری نیز از او پرسیده شود.این روش می تواند برای مشتری آزاردهنده و وقت گیر باشد، از این رو ممکن است مشتری عملیات خرید خود از سایت را متوقف کند.روش دیگری که برای جمع آوری اطلاعات مورد نیاز درباره علایق مشتری وجود دارد استفاده از داده های مورد استفاده پیشین کاربر از وب1 می باشد که با استفاده از این داده ها و بررسی آنها شرکت ها می توانند اطلاعاتی در مورد رفتار خرید کاربران بدست آورند.

داده کاوی ابزاری است که به شرکت ها کمک می کند تا ترجیحات و علایق فردی کاربران و مشتریان را بر اساس داده های به جای گذاشته شده از آنها استخراج کنند و بر این اساس استراتژی های بازاریابی خود را برقرار کنند و به شخصی سازی تبلیغات بپردازند. شرکت ها با استفاده از ابزارهای داده کاوی ابتدا داده های مورد نیاز برای کاوش رفتار خرید مشتری را آماده می کنند و با استفاده از الگوریتم های متعدد خوشه بندی می توانند مشتریان خود را بخش بندی کنند.بعد از آن می توانند با استفاده از الگوریتم های کاوش قوانین وابستگی، قوانینی برای پیش بینی رفتار خرید آتی مشتری  بدست آورند و با استفاده از این قوانین، راهبردها و روش های شخصی سازی تبلیغات برای مشتری را مشخص کنند.

مطلب مشابه :  مفهوم مخاطب در تبلیغات و شگردهای جلب رضایت او

ما درصدد هستیم تا با استفاده از تکنیک های داده کاوی، مشتریان را بر اساس ارزش آنها که از رفتار خرید گذشته آنها بدست می آید دسته بندی و گروه بندی کنیم و علایق و رفتار خرید آینده هر دسته از این گروه ها را پیش بینی و مشخص کنیم تا با استفاده از این بتوانیم تبلیغات کالا را برای هر مشتری شخصی سازی کنیم.

 

در تحقیقاتی که تا به حال انجام گرفته با خوشه بندی مشتریان را به گروه هایی تقسیم می کنند و بر روی هر یک از این گروه ها تکنیک قوانین انجمنی را بکار می برند تا رفتار خرید آینده هر مشتری را پیش بینی کنند.برخی از این تحقیقات از الگوریتم k-means برای خوشه بندی مشتریان استفاده کردند و برخی دیگر به دلیل اشکالاتی که در این الگوریتم وجود دارد از الگوریتم هایی دیگر یا بهبودی از این الگوریتم استفاده کردند.

هدف از این تحقیق مشخص کردن ارزش مشتریان برای شرکت ها بر اساس رفتارهای خرید آنان، شخصی سازی تبلیغات اینترنتی برای مشتریان و ارائه حداکثری تبلیغات اینترنتی مطابق با علایق هر مشتری می باشد.برای این منظور از خوشه بندی موازی مشتریان توسط دو الگوریتم k-means و k-harmonic means و بکار گیری الگوریتم استقرایی1 روی هر یک از خوشه های حاصل شده از خوشه بندی k-means استفاده شده است. و بعد از آن از نتایج بدست آمده از بکارگیری الگوریتم استقرایی برای هر یک از مشتریان، با توجه به درجه تعلق آنها به هر خوشه ( که توسط الگوریتم k-harmonic means مشخص شده است ) برای شخصی سازی تبلیغات برای آنان استفاده می شود.

قوانین وابستگی یا انجمنی استخراج شده از هر خوشه برای هر مشتری که درجه عضویت حداقلی مشخص شده از قبل را برای آن خوشه دارد معتبر در نظر گرفته می شود.بنابر این قوانین وابستگی برای یک مشتری تنها به قوانین استخراج شده از خوشه ای که مشتری بیشترین درجه تعلق به آن را دارد محدود نمی شود.با توجه به احتمال تداخل قوانین بین خوشه ها برای مشتری، اولویت با قوانین خوشه ای است که مشتری درجه عضویت بالاتری را برای آن دارد.

بدین ترتیب با افزایش قوانین استخراج شده معتبر مربوط به هر مشتری می توان انتظار داشت که راهبردهای بیشتری برای شخصی سازی تبلیغات برای مشتری بوجود بیاید.این بدین معنا است که می توان کالاهای بیشتری را بر اساس علایق کاربر به او پیشنهاد کرد.

 

امروزه کاربران و مشتریان در محیط اینترنت ترجیح می دهند تا کالاها یا خدماتی که به آنها پیشنهاد می شود بر اساس ترجیحات و علایق شخصی آنها باشد.در اغلب تحقیقاتی که در زمینه شخصی سازی تبلیغات اینترنتی برای مشتریان با استفاده از تکنیک های داده کاوی صورت گرفته است، هر مشتری فقط به یک خوشه تعلق پیدا می کند و در نتیجه تنها پیشنهاداتی به او عرضه می شود که در نتیجه بکار بردن تکنیک قوانین انجمنی تنها بر روی همان خوشه ای که به آن تعلق داشته، بدست آمده اند.

تحقیق ما از این نظر نسبت به دیگر تحقیقات از اهمیت بیشتری برخوردار است که هر مشتری تنها به یک خوشه تعلق پیدا نمی کند و قوانین با احتمال زیاد خوشه های دیگر که این مشتری درجه تعلق حداقلی از قبل مشخصی را نسبت به آنها دارد، برای مشتری بکار گرفته می شود. اهمیت و ارزش این کار در این است که نسبت به روش های قبلی می توان پیشنهادات بیشتری بر حسب علایق مشتری به او عرضه کرد.

مطلب مشابه :  تصویر برند و باورهای مصرف کننده (مشتری)

بطور معمول اگر برای رفتار خرید فعلی مشتری قانون خاصی از قبل استخراج نشده و راهبردی وجود نداشته باشد، یا کالایی به او پیشنهاد نمی شود یا به صورت تصادفی یک کالا به مشتری پیشنهاد می شود. اما اگر قانونی مربوط به یک خوشه دیگر که مشتری درجه تعلق معتبری ( یک درجه تعلق حداقلی از قبل مشخص شده ) نسبت به آن داشته باشد موجود باشد آنگاه می توان پیشنهاد یک کالای مربوط به رفتار خرید فعلی مشتری به او عرضه کرد. هرچند تخصیص درجه تعلق برای هر خوشه به مشتری، توسط الگوریتم معروف Fuzzy C-Means نیز انجام می شود، اما به علت مشکل مهمی که در این الگوریتم وجود دارد که همان حساس بودن به مقدار دهی اولیه مراکز خوشه و در دام مینیمم محلی1 قرار گرفتن است، استفاده از الگوریتم   K-Harmonic Means  که این مشکل برای آن وجود ندارد را ترجیح داده ام.

 

 

2-1-1-1 تعریف مدیریت ارتباط با مشتری:

اگرچه یک تعریف جامع برای مدیریت ارتباط با مشتری وجود ندارد و دارای تعاریف مختلفی در ادبیات مختلف می باشد اما در یک تعریف کلی مدیریت ارتباط با مشتری شامل یک مجموعه از فرایندها و سیستم های توانمند است که از یک راهبرد تجاری برای برقراری روابطی بلند مدت و سودمند با مشتریانی خاص پشتیبانی می کنند[1].

این موضوع بطور کلی از دیدگاه هایی مختلف، به عنوان یک فرایند، راهبرد، فلسفه، قابلیت یا تکنولوژی مطرح گردیده است[2]. همچنین به عنوان یک فلسفه تجاری بیان شده است که از تکنولوژی اطلاعات برای شناسایی صلاحیت های مختلف مشتریان استفاده می کند تا برترین ارزش را به مشتری ارائه دهند[3].

مدیریت ارتباط با مشتری قسمتی از راهبرد یک سازمان برای شناسایی مشتریان و راضی نگهداشتن آنها و تبدیلشان به مشتری دائمی است [4,5].مجموعه ای از متدولوژی ها، فرایندها، نرم افزارها وسیستم هایی است که به سازمانها و شرکتها جهت داشتن یک رابطه مدیریتی سیستماتیک و موثر با مشتریان کمک می کنند[4,6]، شامل زیر نظر داشتن مشتریان ( مانند جمع آوری داده های مناسب مربوط به آنها )، مدیریت و ارزیابی داده، و سرانجام ایجاد یک سود واقعی از اطلاعات استخراجی مرتبط با مشتریان می شود[4,7].بطور کل مجموعه ای از راهبرد های تجاری و بازاریابی است که فعالیت های تجاری را حول مشتری پیاده سازی می کند[4,8]. بر همین اساس، یکی از این راهبردها جمع آوری نیازها و رفتارهای تجاری مشتریان است تا مدیریت بتواند روابط قوی تری را با آنها ایجاد کند، چرا که از مهمترین رموز موفقیت در هر تجارتی داشتن رابطه قوی با مشتریان است[10].

مدیریت ارتباط با مشتری فرایندی است که به سازمان ها و صاحبان تجارت کمک می کند تا اطلاعات گوناگونی از مشتریان، اثرگذاری فعالیت های بازاریابی، فروش، سرعت پاسخ گویی به مشتری و نیازها و تمایلات بازار را به طور یکجا جمع آوری کنند[11].

 

می توان سه هدف عمده را برای مدیریت ارتباط با مشتری بر شمرد:

1- افزایش درامد از طریق شناسایی فرصت های جدید، کاهش از دست رفتن فرصت ها و کاهش فرار مشتریان.

2- ایجاد وفاداری در مشتری از طریق بهبود خدمات به مشتریان و بهبود جلوه سازمان.

3- کاهش هزینه از طریق ذخیره اطلاعات سازمان و کاهش دوباره کاری های بازاریابی[9]

راه کارهای مدیریت ارتباط با مشتری به مشتریان امکان می دهند تا خدمات مورد نظرشان را از طریق کانال های متعدد ارتباطی در یافت کنند.برای نمونه، شاید شما بتوانید موجودی بانکی تان را از طریق تلفن بدون گفتگو با مسئول مربوطه بررسی کنید، بدین ترتیب هم در پول و هم در زمان صرفه جویی کرده اید[12].

مطلب مشابه :  بررسی همه ابزارهای تبلیغاتی و مقایسه آنها

با توجه به تحقیقاتی که در زمینه ویژگی های مدیریت ارتباط با مشتری انجام گرفته، برخی از ویژگی های کابردی آن عبارتند از:

  1. سودمندی بیشتر مشتریان فعلی نسبت به مشتریان جدید
  2. متمرکز شدن بر مستحکم کردن ارتباط نزدیک تر با مشتریان
  3. تحلیل اطلاعات مشتری برای تصمیم گیری تجاری
  4. بازاریابی اینترنتی موثر با توجه به داده های تبدیل شده به اطلاعات
  5. بازاریابی فرد به فرد و مستقیم و بازاریابی از طریق پایگاه داده ها[13]

پیشرفت های فناوری در سالهای اخیر تاثیر قابل توجهی بر فرایندهای تجاری داشته است که ظهور اینترنت مهمترین این پیشرفت ها بوده است که دنیای مدیریت ارتباط با مشتری را تحت تاثیر خود قرار داده است و بستر بسیار مناسبی را برای صاحبان تجارت بوجود آورده است تا از طریق آن ارتباطی دائمی و با کیفیت با مشتریان داشته باشند.سرعت بالا، صرفه جویی در هزینه، دسترسی دائمی، کارایی در انتقال اطلاعات و ماهیت یکپارچه و مجزا، انگیزه های اصلی بکارگیری اینترنت برای بهبود مدیریت ارتباط با مشتری می باشند[14,15].

یکی از حوزه هایی که در مدیریت ارتباط با مشتری دارای اهمیت بسیاری می باشد بحث تبلیغات می باشد و با توجه به گسترش روز افزون اینترنت، تبلیغات اینترنتی1 برای شرکت هایی که کالاهای خود را از طریق اینترنت به فروش می رسانند بسیار حائز اهمیت شده است.

2-1-1-2 تبلیغات اینترنتی:

تطبیق با ترجیحات فردی کاربران – شخصی سازی- یک چالش مهم برای توسعه تجارت الکترونیک است.80 % کاربران اینترنت در سال 2005 مشتاق بودن تا محتوای شخصی شده ای روی سایت هایی که دیدن می کنند دریافت کنند.شخصی سازی وب باید بر مبنای رفتار فردی باشد نه تصورات کلیشه ای مربوط به موقعیت جغرافیایی یا ویژگی هایی مثل سن یا جنسیت.تبلیغات سنتی پیشنهادات مشابهی برای همه ارائه می کند، اما این نیازهای تجاری فعلی را در نظر نمی گیرد.اگر به دنبال افزایش کارایی هستیم، شخص مربوطه باید پیغام شایسته را در زمان و زمینه ای درست دریافت کند.

کاربران صدها تبلیغ را می بینند و اغلب توجه کمی به تبلیغاتی می کنند که در صفحات وب وجود دارند. به نظر می رسد این مشکل اصلی تبلیغات وب است.راه حل افزایش مطابقت بین علایق کاربر و موضوع تبلیغات نشان داده شده است[16].

تبلیغات اینترنتی از طرق مختلفی قابل اجرا هستند:

  1. بنر1: بنر عبارت است از یک تصویر گرافیکی کوچک و معمولا مستطیلی که به یک پایگاه اینترنتی دیگر متصل می شود.
  2. خرده سایت ها2: خرده سایت عبارت است از پنجره کوچکی ( کوچک تر از اندازه معمولی پنجره مرورگر ) که هنگام جستجوی فرد در اینترنت ناگهان بر روی صفحه نمایشگر ظاهر شده و حاوی نوشته ها و تصاویر تبلیغاتی هستند و به پنجره های جهنده نیز معروفند.
  3. کلید واژه ها3: یکی از انواع تبلیغات اینترنتی هستند که در وب سایت های جستجوگر مورد استفاده قرار می گیرند.
  4. نامه های الکترونیکی: نامه های الکترونیکی یکی از انواع رایج تبلیغات اینترنتی است که کاربران تعداد زیادی از آنها را سالانه دریافت می کنند[17].

دو حوزه  تحقیق مورد توجه در تبلیغات آنلاین ممکن است تمیز داده شوند: زمان بندی و شخصی سازی. هدف اصلی زمان بندی بیشینه کردن نرخ سراسری کلیک4 برای همه تبلیغات، بوسیله مدیریت شایسته زمان نمایش و فضای تبلیغاتی روی صفحه وب است.

شخصی سازی  که مهمترین چالش برای تبلیغات دهندگان فعلی است، مشتریان را در یک بازار به بخش های مشخص تقسیم می کند و کمک می کند تا تبلیغات مناسب را به هر یک از کاربران وب تخصیص دهند.برای دسترسی به این هدف، سیستم های شخصی سازی نیاز دارند تا مقداری اطلاعات درباره کاربران داشته باشد[16].