فصلنامه ارزش آفرینی در مدیریت کسب و کار

چکیده پژوهش حاضر با هدف ارائه استراتژی بازاریابی بازگشتی با رویکرد تعیین اعتبار مشتری با استفاده از داده کاوی شبکه عصبی میباشد. روش این پژوهش برحسب هدف، کاربردی و از نظر اجرا از نوع آمیخته (کیفی- کمی) می‌باشد. ابتدا، با به‌کارگیری روش تحلیل مضمون، مؤلفه‌های کلیدی بازاریابی بازگشتی شناسایی و چارچوب اولیه بهینه‌سازی طراحی شد. سپس، از روش دلفی و مصاحبه‌های ساختارمند با خبرگان حوزه بازاریابی و مدیریت مشتری برای اعتبارسنجی شاخص‌ها استفاده گردید. در این پژوهش، از ترکیب الگوریتم خوشه‌بندی K-Means++ و مدل RFM برای بخش‌بندی مشتریان و شناسایی گروه‌های نیازمند مداخلات بازاریابی استفاده شده است. همچنین، با بهره‌گیری از درخت تصمیم و شبکه‌های عصبی مصنوعی، قواعد اعتبارسنجی مشتریان و دقت پیش‌بینی رفتار آن‌ها ارتقا یافته است. یافته‌های پژوهش نشان می‌دهد که این چارچوب ترکیبی نه‌تنها دقت خوشه‌بندی را بهبود می‌بخشد، بلکه امکان طراحی استراتژی‌های شخصی‌سازی‌شده برای هر گروه از مشتریان را فراهم می‌کند. نتایج حاکی از آن است که شاخص تازگی خرید (Recency) بیشترین تأثیر را در تعیین ارزش مشتری دارد و ادغام داده‌های تراکنشی با ویژگی‌های دموگرافیک و رفتاری، بینش‌های جامع‌تری را برای تصمیم‌گیری‌های بازاریابی ارائه می‌دهد. این پژوهش با پر کردن شکاف‌های موجود در تحقیقات پیشین، به‌ویژه در حوزه تفسیرپذیری و تعمیم‌پذیری مدل‌ها، گامی مؤثر در جهت توسعه دانش نظری و کاربردی بازاریابی بازگشتی برداشته است.