دانلود ترجمه مقاله راهبردهای CRM در مرکز خرید آنلاین کوچک بر اساس قوانین مشارکتی

بحث و بررسی:
براساس کارهای سوییف (2001) پاواتیار و شت (2001) و راکلائور ، میلز و سیفرت (2004) ، CRM شامل چهار بعد، از قبیل شناسایی مشتری، جذب مشتری، نگهداری مشتری و توسعه مشتری است. تشخیص مشتری، وسیله ای برای تعیین بخش های مشتریان بالقوه است ، که هریک از آنان شامل مشتریانی است که نسبتا مشابه اند. هدف جذب مشتری ، جذب کردن بخش های مشتری هدف با انگیزه دادن به شمتری برای سفارش دهی در کانال های مختلف است (چیونگ ووک ، لااو و تیسویی 2003، هی، خو و هوانگ و دنگ 2004 ، لیو و چن 2004). نگهداری مشتری به فعالیت جلوگیری از سوییچ کردن مشتریان مختلف به رقبا با افزایش سطح رضایت مشتریان در یک بازاریابی یک به یک، برنامه وفاداری مشتریان، مدیریت شکایات و غیره برمیگردد (چن، چیو و چانگ 2005 ، جیانگ و تاژیلین 2006). توسعه مشتری، هدف نهایی CRM است که هدف آن حداکثر کردن درآمدها با بسط کثرت تراکنش ها ، ارزش تراکنش و سود دهی شخص مشتری در تحلیل ارزش دوره حیات مشتری فروش ، selling- up/crossو تحلیل سبد خرید است (اتزیون، فیشر و واسرکراگ 2005 ، روست ، نئومن ، ایک و واتنیک 2003).
نتیجه گیری:
در این مطالعه، ما VIP را بر مبنای مقادیر RFM تعریف کردیم. سپس، مدلهای طبقه بندی که مشتریان را به شکل VIP و غیر VIP طبقه بندی میکنند توسعه داده و نرخ های موفقیت آنها را مقایسه می کند. درخت تصمیم گیری و بسته بندی با درخت تصمیم گیری نرخ موفقیت بالاتری را درمیان آنها نشان می دهد. سپس ما 16 قانون ارتباطی و 11 الگوی ترتیبی را برای داده های تراکنش مشتریان VIP استخراج کرده و استراتژی هایی را برای مراکز خرید آنلاین بر مبنای این قوانین تشخیص داده شده و الگوها پیشنهاد می دهیم. به نظر می رسد که استراتژی های پیشنهاد شده توسط این مقاله می تواند برای افزایش درآمد مرکز خرید آنلاین به شکلی کارآمد تر از گذشته به کار روند. این مطالعه به مواردی نیز نیاز دارد. اول، مرکز خرید آنلاین هدف ، کوچک بود و عمر کمی داشته باشد ، بدین ترتیب مجموعه داده ای که برای تحلیل استفاده میکنیم به اندازه کافی برای بدست آوردن نتایج پر معنی بیشتری بزرگ است. دوم به دلیل مشابهی، برای تعیین مشتریان VIP، تقریبا نیمی از اکانت های مشتریان انتخاب می شود. قانون پارتو در این فروشگاه اجرا نمی شود. در آخر، این مطالعه برای رسیدن به اینکه آیا استراتژی های بدست آمده از دانش قابل تعقیب بدست آمده توسط تکنیک های داده کاوی ، کارآمدند یا نه ، باید ادامه داشته باشد.ما طرح انجام این کار را در آینده داریم. با این حال، بر این باوریم که چنین آزمایشاتی مشابه چیزی که در این مطالعه انجام شده ، استحقاق دارد که از سوی مراکز خرید آنلاین کوچک که حجم عظیمی از اطلاعات آنها بدون استفاده مانده است، توجه بیشتری به آن شود.

Discussions:
According to Swift (2001), Parvatiyar and Sheth (2001), and Kracklauer, Mills, and Seifert (2004), CRM consists of four dimensions such as customer identification, customer attraction, customer retention, and customer development. Customer identification is meant to identify segments of potential customers, each of whom includes customers who are relatively similar. Customer attraction attempts to attract the target customer segments by motivating customers to place orders through various channels (Cheung, Kwok, Law, & Tsui, 2003; He, Xu, Huang, & Deng, 2004; Liao & Chen, 2004). Customer retention refers to the activity of preventing the existing customers from switching to competitors by enhancing the level of customer satisfaction through one-to-one marketing, loyalty program, complaints management, etc. (Chen, Chiu, & Chang, 2005; Jiang & Tuzhilin, 2006). Customer development, the ultimate goal of CRM, aims to maximize the revenue by expanding transaction intensity, transaction value and individual customer profitability through customer lifetime value analysis, up/cross selling, market basket analysis, etc. (Etzion, Fisher, & Wasserkrug, 2005; Rosset, Neumann, Eick, & Vatnik, 2003).
Conclusions:
In this study, we defined the VIP based on RFM values. Then, we developed classification models which classify customers into VIP or non-VIP and compared their hit ratios. Decision Tree and the bagging with decision tree show the highest hit ratios among them. Then, we extracted 16 association rules and 11 sequential patterns from the transaction data of VIP customers, and suggested strategies for the small-sized online shopping mall based on these identified rules and patterns. It seems that the strategies suggested by this study can be utilized to enhance the revenue of the online shopping mall more efficiently than before. This study has a few things to be desired. First, the target online shopping mall is of small size and of short history and thus the dataset we have used for the analysis is not big enough to derive more meaningful results. Second, for the same reason, the VIP customers we have selected account for almost half of the whole customers. The Pareto rule does not hold in this mall. Last, this study should have continued to see if the strategies derived from the actionable knowledge obtained by data mining techniques are effective or not. We plan to do it in the near future. Nonetheless, we believe that such experiments as conducted in this study deserve to be paid attention of small-sized online shopping malls where a huge amount of useful data still remains unused.