بررسی کاربردهای دانش داده کاوی در فرآیند مشتری مداری سازمانها و پشتیبانی تبلیغات و بازاریابی مستقیم

بررسی کاربردهای دانش داده کاوی در فرآیند مشتری مداری سازمانها و پشتیبانی تبلیغات و بازاریابی مستقیم و مدل سازی مستقیم و مدلسازی پاسخ 

144 صفحه فایل ورد و قابل ویرایش

تکنیک های داده کاوی که در این پژوهش توصیف شده دارای کاربردهای زیادی در زمینه های مختلفی از تحقیقات بیوتکنولوژی گرفته تا کنترل فرآیند تولید می باشند. با این وجود این پژوهش برای افرادی نوشته شده است که مانند نویسنده پژوهش از این تکنیک ها در حل موضوعات و مشکلات جامعه استفاده خواهند کرد. در بیشتر بخش های این پژوهش تمرکز بر کاربردهای دانش داده کاوی در فرآیند مشتری مداری سازمانها است که البته در این فصل این تمرکز آشکارتر است.

داده کاوی در پشتیبانی تبلیغات و بازاریابی مستقیم به منظور تعیین مخاطب مناسب، انتخاب بهترین کانال های ارتباطی و انتخاب مناسب ترین پیام استفاده می شود.

یکی از کاربردهای معمول داده کاوی در مدل سازی مستقیم، مدل سازی پاسخ است. یک مدل پاسخ به مشتریان بالقوه بر حسب ا حتمال پاسخ دادنشان به یک فعالیت مستقیم بازاریابی امتیاز می دهد. از این اطلاعات برای ارتقای نرخ پاسخگویی به یک فعالیت بازاریابی می توان استفاده کرد اما به تنهایی جهت برآورد سودآوری فعالیت بازاریابی کافی نیست.

برآورد سودآوری فعالیت، نیازمند اعتماد به تخمین های اولیه نرخ پاسخ به یک فعالیت آتی، تخمین میانگین اندازه سفارش همراه با پاسخ و تخمین هزینه خود فعالیت می باشد. یک کاربرد مشتری مدارانه تر امتیازهای مدل پاسخ، انتخاب بهترین فعالیت از بین گزینه های مختلف برای هر مشتری است. این رویکرد از مشکلات معمول فعالیت های مستقل و امتیاز محور که منجر به انتخاب فردیکسان در هر نوبت می شوند جلوگیری می کند.

تمایز قائل شدن بین توانایی یک مدل در تشخیص افراد علاقه مند به یک محصول یا خدمات و توانایی آن در تشخیص افرادی که به واسطه پیشنهاد یا فعالیت خاصی اقدام به خرید کرده اند مهم است. تحلیل پاسخ های متفاوت، مسیری را به سمت شناسایی بخش های بازار که یک فعالیت بیشترین تأثیر را در آنجا خواهد داشت ارائه می دهد. مدل های پاسخهای متفاوت به دنبال بیشینه کردن تفاوت در پاسخ ها بین گروه آزمایشی و گروه کنترل است و هدف این مدل ها بیشینه کردن صرف پاسخ ها نیست.

از اطلاعات در باره مشتریان فعلی می توان جهت شناخت مشتریان بالقوه محتمل استفاده نمود و این کار از طریق مدل های پیش بینی و براساس اطلاعات موجود در مورد مشتریان فعلی قبل از این که به مشتریان بالفعل تبدیل شوند به دست می آید. این نوع از تحلیل ها به منظور انتخاب کانال های جذب و راهبردهای ارتباطی و بررسی فهرست مشتریان بالقوه ارزشمند هستند.

شرکت ها می توانند ارزش داده های مشتریانشان را از طریق ردیابی آن ها از اولین پاسخ، حتی پیش از آنکه تبدیل به مشتری گردند و جمع آوری و ذخیره اطلاعات اضافی هنگامی که جذب سیستم شدند افزایش دهند.

هنگامی که مشتری جذب سیستم شد، تمرکز بر مدیریت ارتباط با مشتری قرار می گیرد. داده های موجود از مشتریان فعال، غنی تر از داده های مربوط به مشتریان بالقوه است و از آنجا که این داده ها ماهیتاً رفتاری هستند تا جمعیت شناختی، پس قابلیت پیش بینی بیشتری دارند.

از داده کاوی به منظور شناسایی خدمات و محصولات دیگری که براساس الگوهای مصرف فعلی شان باید به مشتریان عرضه شود استفاده می گردد. داده کاوی می تواند بهترین زمان برای یک پیشنهاد فروش چند بعدی یا صعودی را نیز نشان دهد.

یکی از اهداف برنامه مدیریت ارتباط با مشتری حفظ مشتریان با ارزش است. داده کاوی می تواند در شناسایی با ارزش ترین مشتریان و نیز برآورد خطر از دست دادن اختیاری و اجباری مربوط به هریک از مشتریان ما را یاری دهد. با استفاده از این اطلاعات، شرکت ها می توانند برنامه های حفظ مشتریانی را که هم ارزشمندند و هم در خطر، هدف دار نمایند و همچنین گام هایی را در جهت حمایت از خود در برابر مشتریانی که امکان ترک سیستم را دارند بردارند.