مدل LDcFR نسبت به سایر مدلهای موجود در تعیین ارزش مسافران از جامعیت بالاتری برخوردار بوده و می تواند در تعیین استراتژی های بازاریابی شرکتهای مسافربری نقشی کلیدی ایفا کند.
علیرغم آنکه مدلهای تعیین ارزش مبتنی بر مدل RFM از محبوبیت بالایی برخوردار میباشند، اما بکارگیری آنها به‌طور منفرد نمیتواند کمک چندانی به صنایع نماید. دلیل این امر نیز تمایل شرکتها به تدوین استراتژی های محدود میباشد. بر همین اساس، معمولاً مدلهای مختلف مبتنی بر RFM پس از تعیین ارزش نیاز به خوشهبندی دارند. بر همین اساس در این تحقیق از الگوریتم رقابت استعماری که یکی از انواع الگوریتمهای تکاملی است در خوشهبندی مسافران استفاده شده است. دلیل انتخاب ICA، سرعت و دقت بالای این الگوریتم بوده است.
نتایج حاصل از پیادهسازی مدل توسعه داده شده بر روی داده های واقعی، نشان از دقت بالای مدل دارد. این مدل علاوه بر دقت بالا، به دلیل استفاده از ICA، از سرعت بالاتری نیز برخوردار میباشد.
حال با توجه به مدل توسعه داده شده و نتایج بدست آمده، میتوان به سؤالات مطرح شده در بخش ۱-۵ پاسخ داد. در ادامه به این امر پرداخته شده است.
سؤال اول: آیا مدل تعیین ارزش مسافران الکترونیکی، با توجه به ویژگیهای خاص صنعت حملونقل، یک مدل متمایز خواهد بود؟
بله؛ در تعیین ارزش مسافران در صنعت حملونقل عواملی نظیر تعداد و فاصله سفر تأثیرگذار بوده که وجود همین عوامل سبب ایجاد تمایز در مدت تعیین ارزش مسافران شده است.
سؤال دوم: چه معیارها و یا عواملی در اندازه گیری ارزش مسافران الکترونیکی مطرح است؟
۴ عامل تعـداد سفر، فاصله سفر، تازگی و طول مدت ارتباط بیشترین تأثیر را در اندازه گیری ارزش مسافران دارند.
سؤال سوم: چگونه میتوان با توجه به معیارهای مطرح در اندازه گیری ارزش مسافران الکترونیکی، اقدام به دستهبندی مناسب آنها نمود؟
دستهبندی مسافران با توجه به ویژگیهای تراکنشی آنها و استفاده از الگوریتمهای خوشهبندی این امکان را بوجود می آورد تا شرکت مشتریان خود را در قالب دستههای همگن دیده و بتواند خدمات مناسبتری به هر دسته ارائه کند.
سؤال چهارم: آیا تعیین ارزش مسافران و دستهبندی آنها موجب بهبود وضعیت کسبوکار شرکت خواهد شد؟
مطالعات مختلف صورت گرفته در صنایع مختلف، نشان میدهد که تعیین ارزش مشتریان یکی از تاثیرگذارترین و مهمترین روشها در بهبود وضعیت کسبوکار صنایع میباشد. علت اصلی این تأثیرگذاری را میتوان در هدفمند شدن تخصیص منابع به مشتریان دانست.
نوآوری ها
نوآوریهای موجود در این تحقیق در ۲ دسته کلی “توسعه مدل LDcFR” و “توسعه ICA” بوده که در ادامه شرح داده خواهند شد.
توسعه مدل LDcFR: اولین نوآوری موجود در این تحقیق، توسعه مدل LDcFR بوده که بر اساس ویژگیهای صنعت حملونقل، مطالعات پیشین و نظرات خبرگان توسعه داده شده است. این مدل همانگونه که پیشتر شرح داده شد، از دقت بالاتری نسبت به سایر مدلهای تعیین ارزش برخوردار بوده و می تواند به‌طور گسترده در شرکتهای ارائهدهنده خدمات سفر مورد استفاده قرار گیرد.
توسعه ICA: الگوریتم رقابت استعماری یکی از انواع الگوریتمهای تکاملی بوده که الهام گرفتن از فرایند اجتماعی-سیاسی دنیای واقعی مدلسازی شده است. این الگوریتم با تقلید از روند تکامل اجتماعی، اقتصادی و سیاسی کشورها و با مدلسازی ریاضی بخشهایی از این فرایند، عملگرهایی را در قالب منظم به صورت الگوریتم ارائه میدهد که میتوانند به حل مسائل پیچیده بهینه سازی کمک کنند. یکی از تواناییهای ICA، انجام فرایند خوشهبندی است. عملگرهای اصلی این الگوریتم را سیاستهای جذب، رقابت استعماری و انقلاب تشکیل می‌دهند. یکی از مشکلات موجود در پیادهسازی سیاست جذب در ICA، استفاده از زاویه Ɵ است. اگرچه در تئوری الگوریتم رقابت استعماری، وجود زاویه Ɵ یک نقطه قوت بحساب می آید، اما وجود این زاویه در پیادهسازی، مشکلاتی را بوجود می آورد. ازاین‌رو در توسعهای بر الگوریتم رقابت استعماری داده شد که نتیجه آن عدم وابستگی الگوریتم به زاویه Ɵ و مفاهیم هندسه برداری میباشد. در این توسعه مفهوم جدیدی تحت عنوان “اقبال عمومی” معرفی گردید که اشاره به تمایل افراد جامعه به مستعمره شدن دارد. مفهوم “اقبال عمومی” عاملی در مستعمره شدن کشورهاست که تحت تأثیر ۲ عامل میباشد:
۲-۱- میزان نارضایتی از نظام فعلی
۲-۲- میزان تمایل به یک استعمارگر خاص
از این ۲ عامل در ایجاد سیاست جذب جدید در الگوریتم رقابت استعماری استفاده شده است. نتایج حاصل از این تغییر نشان از بهبود عملکرد ICA داشته که در فصل ۳ نشان داده شده است.
پیشنهادات
در این بخش ۴ پیشنهاد کلی ارائه خواهد شد که می تواند مبنایی باشد برای تحقیقات آتی.
پیشنهاد اول: جذب مسافر
همانگونه که در فصل ۲ عنوان گردید، از دیدگاه تعدادی از محققین، فرایند مدیریت ارتباط با مشتری یک فرایند ۴ مرحله ای بوده که از مراحل شناسایی، جذب، حفظ و توسعه مشتری تشکیل شده است. مدلهای تعیین ارزش عمدتاً در ۲ مرحله حفظ و توسعه مشتریان پیادهسازی شده و در مراحل شناسایی و جذب کارایی ندارند.
پیشنهاد قابل ارائه در این بخش استفاده از مدل تعیین ارزش در شناسایی و جذب مشتریان است. بدین منظور بایستی در کنار اطلاعات تراکنشی مشتریان، اطلاعات دموگرافیک آنها نیز در پایگاه داده ذخیره شود. ذخیره اطلاعات دموگرافیک مشتریان این امکان را بوجود می آورد تا پس خوشهبندی مشتریان و تعیین خوشههای باارزش، خصوصیات دموگرافیک مشتریان باارزش شناسایی شده و در شناسایی و جذب مشتریان جدید بکار گرفته شود.
پیشنهاد دوم: بهبود خوشهبندی
امروزه الگوریتمهای تکاملی به دلیل توانایی بالایی که دارند بسیار مورد توجه قرار گرفته و انواع گوناگونی از آنها توسعه داده شده است. هر یک از این الگوریتمها بر مبنای یکی از فرآیندهای اجتماعی، زیستی و… بوجود آمدهاند. گونه های جدیدی از این الگوریتمها در سالهای اخیر توسعه داده شده که به دلیل جدید بودن میتوانند موضوع مناسبی برای خوشهبندی باشند. ازجمله الگوریتمهای نو ظهور در زمینه الگوریتمهای تکـاملی مـیتوان به الگـوریتمهایی نظیر الگوریتم سگهای وحشی آفریقایی[۱۶۰] و الگوریتم بازتولید غیرجنسی[۱۶۱] اشاره کرد.
پیشنهاد سوم: تجزیه و تحلیل رضایت مسافر الکترونیکی
همانگونه که فرهنگ جامعه بر انتظارات و ادراک مسافران تاثیرگذار است، شیوه تعامل مسافران نیز می تواند بر رضایت آنها تاثیرگذار باشد. پیشنهاد سوم، بررسی و تجزیه و تحلیل عوامل موثر بر رضایت مسافران الکترونیکی در مقایسه با مسافران سنتی است. با توجه به گسترش تعاملات الکترونیکی مسافران و شرکتها، این تجزیه و تحلیل و شناسایی عوامل موثر بر رضایت مسافران الکترونیکی می تواند تاثیر بسزایی در تدوین استراتژیها و ارائه خدمات شرکتها داشته باشد.
پیشنهاد چهارم: پیش بینی ارزش آتی مشتریان
در این پژوهش از زنجیره مارکوف برای پیش بینی ارزش آینده مشتریان استفاده شده است. مدلهای دیگری نظیر شبکه های عصبی، رگرسیون، قوانین انجمنی و آنالیز بقا نیز قابلیت استفاده داشته که بعضا میتوانند نتایج دقیقتری نیز تولید کنند.
منابع و مراجع
۱) Wang, Y., S. Sanguansintukul, and C. Lursinsap. The customer lifetime value prediction in mobile telecommunications. in Management of Innovation and Technology, 2008. ICMIT 2008. 4th IEEE International Conference on. 2008. IEEE.
۲) Srivastava, M. and D. Kaul, Social interaction, convenience and customer satisfaction: The mediating effect of customer experience. Journal of Retailing and Consumer Services, 2014(0).
۳) Freitas, A.L.P., Assessing the quality of intercity road transportation of passengers: An exploratory study in Brazil. Transportation Research Part A: Policy and Practice, 2013. 49(0): p. 379-392.
۴) Jonghyeok, K., S. Euiho, and H. Hyunseok, A model for evaluating the effectiveness of CRM using the balanced scorecard. Journal of Interactive Marketing, 2003. 17(2): p. 5-19.
۵) Kotler, p., Marketing Management. 2003, New Jersy: Prentice Hall.
۶) Miguéis, V., et al., Modeling partial customer churn: On the value of first product-category purchase sequences. Expert Systems with Applications, 2012. 39(12): p. 11250-11256.
۷) Hawkes, V.A. The heart of the matter: the challenge of customer lifetime value. in CRM Forum Resources. 2000.
۸) Lewis, M., et al., Customer Relationship Management: Maximizing Customer Lifetime Value, in Wiley Encyclopedia of Operations Research and Management Science. 2010, John Wiley & Sons, Inc.
۹) Buttle, F., Customer relationship management: concepts and technologies. 2009: Routledge.
۱۰) Kumar, V. and W.J. Reinartz, Customer relationship management: A data based approach. 2006, New York: John Wiley.
۱۱) Parvatiyar, A. and J.N. Sheth, Customer Relationship Management: Emerging Practice, Process, and Discipline. Journal of Economic & Social Research, 2001. 3(2): p. 1-34.
۱۲) Chan, C.C.H., Intelligent value-based customer segmentation method for campaign management: A case study of automobile retailer. Expert Systems with Applications, 2008. 34(4): p. 2754-2762.
۱۳) Nagasawa, S.y. Customer experience management influencing on human Kansei to MOT. in Knowledge-Based Intelligent Information and Engineering Systems. 2006. Springer.
۱۴) Ngai, E.W.T., L. Xiu, and D.C.K. Chau, Application of data mining techniques in customer relationship management: A literature review and classification. Expert Systems with Applications, 2009. 36(2, Part 2): p. 2592-2602.
۱۵) Ellis-Chadwick, F., et al., Internet marketing: strategy, implementation and practice. 2009: Pearson Education.
۱۶) Rashid, M.H.A., F.S. Ahmad, and A.K. Othman, Does Service Recovery Affect Customer Satisfaction? A Study on Co-Created Retail Industry. Procedia - Social and Behavioral Sciences, 2014. 130(0): p. 455-460.
