سنجش رضایت مشتریان فروشگاه‌های اینترنتی با ترکیب تکنیک‌های داده‌کاوی و الگوی کانو فازی (مطالعه موردی: وب‌سایت نیازکو)

نویسندگان

دانشگاه شهید بهشتی

10.35050/JIPM010.2017.010

چکیده

رقابت در عرصه جهانی و تلاش برای دستیابی به مزیت رقابتی پایدار و برتری راهبردی نسبت به رقبا موجب گردیده که توجه به رضایت مشتری از اهمیت بالایی برخوردار باشد. این پژوهش با ترکیب دو روش خوشه‌بندی K-Means، که یکی از روش‌های داده‌کاوی است، و الگوی «کانو» فازی سعی در بخش‌بندی مشتریان فروشگاه اینترنتی «نیازکو» و سپس، شناسایی نیازها و خواسته‌های آنان دارد. در این پژوهش برای انجام داده‌کاوی، تعداد 1090 رکورد از مشتریان وب‌سایت «نیازکو» در یک بازه زمانی 7 ماهه مورد بررسی قرار گرفتند و تعداد چهار خوشه از مشتریان شناسایی شدند. برای سنجش رضایت مشتریان، پرسشنامه «کانو» فازی به‌صورت تصادفی بین 168 نفر از مشتریان، که بر اساس فرمول «کوکران» به‌طور نمونه انتخاب شدند، توزیع شد و در نهایت، با روش «کانو» فازی نیازهای هر خوشه بررسی و طبقه‌بندی گردید. این پژوهش نشان می‌دهد که طبقه برخی از ویژگی‌ها بین خوشه‌های مختلف متفاوت و برای برخی دیگر برای هر چهار خوشه مشترک و از یک نوع است. همچنین، برای هر ویژگی در هر خوشه میزان رضایتمندی و عدم رضایت محاسبه شده است. نتایج این پژوهش بیانگر آن است که مشتریان خوشه سوم به دو دلیلِ بالا‌بودن تعداد تکرار مبادلات و مجموع مبالغ خریدکرده از سایت دارای اهمیت بیشتری برای این وب‌سایت هستند. نتایج این پژوهش می‌تواند یاری‌رسان فروشگاه‌های اینترنتی جهت ارائه مناسب محصولات به مشتریان مختلف باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Measuring Online-Shopping Customer Satisfaction by Combining Data Mining Technique and Fuzzy Kano Model (Case Study: Nyazco Website)

نویسندگان [English]

  • Ali Rezaeian
  • sajjad shokouhyar
  • Fariba Dehghan
چکیده [English]

Nowadays, one of the most important things that make companies pay attention to the customer satisfaction is the competition in the world and companies struggle to achieve sustainable competitive advantage and strategic superiority over their competitors. The aims of this research is to identify the customers’ requirement in Nyazco online shopping and cluster these customers based on two methods, k-means algorithm and fuzzy Kano model, in order to offer products according to each customer’s needs. In this study, 1090 records of customers were examined for data mining of these customers in the period of 7 months, and four clusters of customers were defined. To measure the customers’ satisfactions, the fuzzy Kano questionnaire was designed and randomly assigned to 168 customers, who were selected based on Cochran formula, and finally, the requirements of each cluster were investigated and classified by using fuzzy Kano model. The results of this research show that the category of some characteristics is different between some clusters and is the same between other clusters. Also, the satisfaction and dissatisfaction score is calculated for each cluster. The results of this study indicate that the customers of the third cluster are more important for this site because the transaction frequencies of these customers and the total amount of purchasing are high. The result of this study will help other online shopping centers for better presentation of goods to different customers.

کلیدواژه‌ها [English]

  • Online-Shopping
  • Data Mining
  • Clustering
  • Fuzzy Kano Pattern