دانلود ترجمه مقاله برآورد ارزش آینده مشتری از تقسیم بندی های متفاوت مشتریان بر اساس مدل RFM

مقدمه:
CLV، مفهومی در حوزه مدیریت ارتباط با مشتری است که بیش از 30 سال پیش توسط کاتلر به شکل "ارزش کنونی رشته سود آتی مورد انتظار در دوره زمانی تراکنش با مشتری" تعریف شده است. چندین مدل برای اندازه گیری CLV در تحقیقات گذشته وجود دارد که توسط گوپتا و همکارانش و جین و ساین مدنظر قرار گرفته اند ، اما در محیط بانکدای، مدل تعیین CLV باید شرایطی را که این دو مورد را بر آورده کند داشته باشد اول به منظور به کارگیری ساده آن باید روی ارزیابی بخش های همگن مشتری به جای مشتریان منفرد تمرکز کند. 2) دوم باید درک آن ساده بوده و طبیعتا صرفه جو باشد تا از امکان به کارگیری آن در محیط های تجاری مختلف اطمینان بدهد. این به شکل خاص نیاز به محدود کردن اطلاعات در دسترس در سیستم اطلاعات بانکی متوسط دارد.
در این زمینه، در این مطالعه متدهای بخش بندی مشتری برای گروه بندی مشتریان در بخش های همگن و نیز برای برآورده کردن شرایط قبلی، یکی از قدرتمند ترین و ساده ترین مدل ها برای به کارگیری CRM و اندازه گیری ارزش مشتری که مدل RFM –تازگی، تکرار و ارزش پولی- نامیده می شود به کارگرفته شده است.
مطالعه حاضر یک چارچوب کاری برای بخش بندی مشتریان به مشتریان همگن دارد که ارزش CLV بخش های مختلف، ودر نهایت ارزش آتی مشتری هر بخش را با تحلیل روند ارزش مشتری در فصلهای مختلف به وسیله متد سریهای زمانی تحلیل میکند. ادامه این مطالعه به شکل زیر سازماندهی شده است: بخش 2 چارچوب ها وبخش 3 مطالعه موردی و نتایج تجربی را شرح می دهد. درنهایت بخش 4، نتیجه گیری را ارائه کرده و سهم این کاررا مشخص میکند.

Introduction:
CLV is a concept in customer relationship management scope which was defined more than 30 years ago by Kotler as “the present value of the future profit stream expected over a given time horizon of transacting with the customer” [1]. There are several model for estimating CLV in past researches which were considered by Gupta et al. [2] and Jain and Singh [3], but in retail banking environment, a model to determine CLV should satisfy some conditions that two important of them are [4]: First, in order to be easily implementable, it should focus on the valuation of homogeneous segments of customers instead of individual clients. Second, it needs to be easy to understand and parsimonious in nature to ensure its applicability in many business contexts. This specifically implies limiting data requirements to the information available in an average bank’s information system.
In this regard, in current study customer segmentation methods were exploited to group customers in to homogeneous segments and for satisfying last condition, one of the most powerful and simplest models to implement CRM and estimating customer value which is RFM model – Recency, Frequency, and Monetary value [5, 6,7] was used.
Current study provides a framework for segmenting customers in homogenous segments, calculating CLV value of different segments and finally estimating customer future value of each segment with analyzing trend of customer value in different seasons by time series method. The rest of this study is organized as follows. Section 2 describes the framework, and section 3 explains a case study and empirical results. Finally, section 4 draws conclusions and summarizing the contributions of this work.