بازاریابی مدرن بر پایه بخش بندی مشتریان استوار می باشد. چرا که دیدگاه محصول محوری جای خود را به مشتری محوری داده است. لذا برای حفظ مشتریان کلیدی موجود، مهارت در ایجاد ارتباط صحیح با مشتری ضروری است. بخش بندی یکی از مباحث مطرح در حوزه مدیریت ارتباط با مشتری است. بدین منظور، استفاده از الگوی مناسب بخش بندی مشتریان به سازمان این فرصت را می دهد که پیشنهادات ارزشمند خود را متناسب با نیازها و خواسته های بخشهای هدف گیری شده طراحی و ارائه نموده و در نتیجه عملکرد خود را از دیدگاه های مختلف بهبود بخشد. هدف این مطالعه بکارگیری مدل مناسبی جهت بخش بندی مشتریان بر اساس شاخص هایی مانند طول ارتباط مشتری، تازگی مبادله، تعداد دفعات مبادله و ارزش پولی مبادله می باشد. جهت خوشه بندی داده ها در این مقاله، از تلفیق الگوریتم های بهینه سازی ازدحام ذرات با k - میانگین جهت غلبه بر مشکلاتی مانند حساس بودن به مقدار اولیه و گرفتار شدن در دام بهینه محلی استفاده گردیده است. یافته های تحقیق نشان می دهد که مشتریان متعلق به خوشه اول در شاخص های"طول ارتباط با مشتری" و "تازگی خرید" دارای میانگینی بالا و در شاخصهای "فرکانس خرید" و "مبلغ فروش" دارای میانگینی کمتر از سطح متوسط کل مشتریان و همچنین مشتریان متعلق به خوشه دوم در شاخص "تازگی خرید" دارای میانگینی بالا و در شاخصهای"طول ارتباط با مشتری"، "فرکانس خرید" و "مبلغ فروش" دارای میانگینی کمتر از سطح متوسط کل مشتریان می باشند. لذا مشتریان خوشه اول از نظر وفاداری جزء مشتریان وفادار و از لحاظ ارزش جزء مشتریان نامطمئن و نیز مشتریان متعلق به خوشه دوم از نظر ماتریس وفاداری جزء مشتریان جدید و از لحاظ ماتریس ارزش جزء مشتریان نامطمئن می باشند. در پایان نیز مشخص گردید که الگوریتم طراحی شده جهت دستیابی به خوشه بندی دقیق تر مشتریان از کارایی بالاتری نسبت به الگوریتم k - میانگین برخوردار است.

کلمات کلیدی