پراسد نیز با بهره گرفتن از روش خوشه‌بندی به تولید پروفایل مشتریان برای فروشگاههای خرده‌فروشی پرداخت، که به شناسایی رفتارها و الگوهای خرید مشتری، بهبود خدمات برای مشتریان برای رضایت بیشترشان و در نتیجه حفظ آنان کمک می کند (پراسد و همکاران، ۲۰۱۱). چن و همکاران نیز بر اساس پرداخت گذشتهی مشتری با بهره گرفتن از درخت تصمیم‌گیری به بخشبندی مشتریان پرداختند (۲۰۱۳). جدول ۲-۱ مدلهای تقسیم‌بندی که توسط نویسندگان مختلف پیشنهاد شده است را با توجه به متغیرهای ورودیشان طبقه‌بندی می کند.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))
جدول ۲-۱ خلاصهسازی متغیرهای ورودی استفاده شده در مدلهای بخشبندی (مرتضی نامور، ۲۰۱۰)
| متغیرهای ورودی مورد استفاده | منابع |
| جمعیتشناختی | (جوتلا و همکاران، ۲۰۰۱) (لی و همکاران، ۲۰۰۵) (هانگ و همکاران، ۲۰۰۸) |
| RFM | (چنگ و همکاران، ۲۰۰۹) |
| LTV | (کیم و همکاران، ۲۰۰۶) |
| جمعیتشناختی+ RFM | (سیه، ۲۰۰۴) (مککارتی و همکاران، ۲۰۰۷) |
| جمعیتشناختی+ LTV | (هوانگ وهمکاران، ۲۰۰۴) |
| LTV+RFM | (چای و همکاران، ۲۰۰۸) |
| جمعیتشناختی+RFM+ LTV | (مرتضی نامور و همکاران، ۲۰۱۰) |
| متغیرهای دیگر | (استون و همکاران، ۲۰۰۶) (لی و همکاران، ۲۰۰۶) (هوانگ و همکاران، ۲۰۰۷) (کیم و همکاران، ۲۰۰۸) (چانگ و همکاران، ۲۰۰۷) (شییو و همکاران، ۲۰۰۹) (جیل-سائورا و همکاران، ۲۰۰۹) |
موضوع ارزش مشتری یک مسئله مهم در مدیریت ارتباط با مشتری است. روشهای متعددی برای پیدا کردن ارزش مشتری وجود دارد. این روشها به معیارهای عمومی و معیارهای استراتژیک تقسیم شده‌اند. برخی از معیارهای عمومی مبتنی بر ارزش مشتری شامل اندازه کیف پول[۱۳۶](SOW) و به اشتراک گذاشتن کیف پول[۱۳۷](SW) میباشد. SOW به حجم کل هزینه‌های مشتری در یک دوره اشاره دارد، SW نیز به نسبت حجم خرید مشتری از یک نام تجاری خاص به کل خرید مشتری در یک دوره اشاره دارد (جانسون[۱۳۸] و همکارانش، ۲۰۰۱).
دیو و کاماکورا[۱۳۹] با ترکیب روشهای SOW و SW مشتریان را برای توسعه استراتژی‌های موثر، بخشبندی کردند و مشتریان با ارزش را شناسایی کردند. معیارهای استراتژیک ارزش مشتری نیز شامل RFM[140]، ارزش گذشتهی مشتری (PCV )[141] و ارزش دوره عمر[۱۴۲] (LTV) میباشد. استون[۱۴۳] در سال ۱۹۹۵ در تحلیل کلاسیکRFM ، ابتدا مشتریان را با توجه به مقدار R صعودی مرتب کرده و به ۵ گروه تقسیم نمود. به همه گروه‌ها شماره‌ی رتبه‌ای از ۵ تا ۱ اختصاص داده شد. پس از آن مشتریان در هر گروه با توجه به مقدار F و سپس M به صورت نزولی مرتب شده و دوباره اعداد (۵ تا ۱) به هر گروه تعلق گرفت. بنابراین ( ) گروه با توجه به مقدار تاخر، فرکانس و پول تعریف شد. کومار و رینارتز[۱۴۴] نیز در سال ۲۰۰۶ از RFM وزندار استفاده کرده‌اند، که در آن هر متغیر با توجه به نظر متخصص با تجزیه و تحلیل AHP وزندار می شود. بنابراین میانگین وزنی، رتبه RFM را میسازد.
با توجه به مطالعات آن دو، ارزش گذشته مشتری (PCV) مدلی است که نتایج حاصل از معامله گذشته به آینده را برون‌یابی می‌کند. PCV بر خرید پولی گذشته مشتری که می‌تواند رفتار آیندهاش را نشان دهد تاکید دارد، همچنین ارزش پولی گذشته مشتری را به زمان حال بازگشت میدهد (طبائی و فتحیان،۲۰۱۱).
مدلهای LTV نیز، چشم انداز ارزش پولی آینده مشتری و مدت زمانی که مشتریان فعال خواهند بود را نشان میدهد. این مدلها دستیابی به سود خالص آینده مشتریان را به حال تبدیل می کنند. مدل های مختلف برای محاسبه LTV وجود دارد. برخی از مدل های مالی LTV، هزینه های مستقیم و هزینه های بازاریابی را اعمال کرده است. برخی نرخ حفظ مشتری را در طول عمر مشتری در نظر گرفته است (مالتوس و مولهرن، ۲۰۰۸؛ هیدالگو[۱۴۵] و همکاران، ۲۰۰۸).
در مطالعات خواجوند[۱۴۶] و همکاران، همچنین خواجوند و تارخ[۱۴۷] در سال ۲۰۱۱ از RFM کلاسیک برای تعریف ارزش مشتری استفاده کرده‌اند.
در برخی از مطالعات نیز از RFM وزندار برای ارزش مشتری استفاده کرده‌اند (لیو و شیه[۱۴۸]، ۲۰۰۵؛ چنگ و چن[۱۴۹]، ۲۰۰۹؛ چنگ و تی‌ساعی[۱۵۰]، ۲۰۱۱؛ سیدحسینی و همکاران، ۲۰۱۰).
زهرا طبائی روشهای مختلف استفاده شده برای ارزش مشتری با توجه به مطالعات قبلی را بنا بر جدول ۲-۲ بیان می کند:
جدول ۲-۲ مدلهای ارزش مشتری (زهرا طبائی، ۲۰۱۱)
فرم در حال بارگذاری ...