
امین مرشدرزم
تاثیرارزش طول عمر مشتریان آژانس های مسافرتی برخط و دسته بندی آن ها مطالعه موردی شرکت دور پرواز (فلایتیو)
- دانشجو
- امین مرشدرزم
- استاد راهنما
- ابوالفضل (اردشیر) تاج زاده نمین
- استاد مشاور
- اکبر پورفرج
- استاد داور
- زهره دهدشتی شاهرخ
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- مدیریت و حسابداری
- شماره ساختمان محل ارائه
- ۴۵
- نام کلاس محل ارائه
- کلاس ۲۱[۲۴۲۱]
- شماره کلاس محل ارائه
- ۱۲۱
- تاریخ دفاع
- ۳۱ شهریور ۱۴۰۳
- ساعت دفاع
- ۰۷:۰۰
- چکیده
-
محدودیت منابع سازمانی
از یک سو و تعداد و پراکندگی زیاد مشتریان از سوی دیگر، آژانس های بر خط را ملزم به دسته بندی مشتریان و ارائه خدمات متناسب با این دسته بنـدی، خصوصا به مشتریان با ارزش طول عمر بالا نموده است. با توجه به شرایط موجود برای یک OTA در ایران، امکان پیش بینی و تحلیل معیارهای ارزش طول عمر مشتری، امری پیچیده است. این پژوهش با هدف دسته بندی و تحلیل مشتریان آژانس بر خط در ایران با ساتفاده از مدل داده کاوی RFM است. این پژوهش به لحاظ هدف کاربردی، بر اساس ماهیت و روش گردآوری داده ها، پژوهشی اسنادی و از نوع موردی میباشد مشتریان دارای تکرار خرید از شرکت دور پرواز در بازه زمانی ۱۴۰۰ الی ۱۴۰۲ به عنوان جامعه پژوهش در نظر گرفته شد. تعداد کل داده های مورد استفاده در این تحقیق ۳۴۵۸۰ داده یکتا برای مشتریان بود.
داده ها به دو دسته جمعیت شناختی و تعاملی تقسیم میشوند. داده های جمعیت شناختی به روش SOM یا نگاشتهای خود سازمانده دسته بندی و داده های تعاملی نیز با استفاده از الگوریتم کای ـ میـانگین (k-means) دسته بندی شدند. با استفاده از این تحقیق، نتیجه گیری می شود که مشتریان آژانس را بر اساس اطلاعات تعاملی مشتریان (R,F,M) می توان به ۸ دسته تقسیم کرد و میبایست برای هر دسته، استراتژی جذب یا رشد متنوعی را برنامه ریزی نمود تا اولا مشتریان به آژانس وفادار بمانند، ثانیا ترغیب شوند تا رتبه و گروه بندی خود را بهبود ببخشند ثالثا احساس و درک لازم نسبت به اهمیت آژانس در قبال ایشان را درک نمایند. این دسته بندی ها و شاخصه های هر دسته می تواند به عنوان پایه ای برای نگارش برنامه وفاداری مشتریان آژانس باشد. برنامه ای که از یک سو به جذب مستقیم مشتریان (کنونی و جدید) بپردازد و از طرفی در رابطه بین مشتریان و آژانس خللی ایجاد ننماید.
- Abstract
-
The organizational resource constraints on one hand and the large number and dispersion of customers on the other hand have compelled online travel agencies to categorize customers and provide services tailored to these categories, especially to customers with high lifetime value. Given the current conditions for an OTA in Iran, predicting and analyzing customer lifetime value metrics is a complex task. This research aims to categorize and analyze customers of online travel agencies in Iran using the RFM data mining model. In terms of its objective, data collection nature, and methodology, this study is a document-based and case study research. Customers who made repeat purchases from the airline company during the period of ۱۴۰۰ to ۱۴۰۲ were considered as the research population. The total number of unique data used in this study was ۳۴,۵۸۰ customer data points.
Data are divided into two categories: cognitive population and interactive population. Cognitive population data are >