Россия
сотрудник
Воронеж, Воронежская область, Россия
Целью работы является разработка алгоритма анализа клиентской базы торговой организации, позволяющего разбить покупателей на группы в зависимости от их активности. В дальнейшем благодаря учету предпочтений каждой группы клиентов можно будет повысить эффективность работы с клиентами. Авторы в алгоритме используют методы ABC-XYZ-анализа и кластеризации, которые позволяют определить наиболее активных клиентов, приносящих набольшую прибыль. Метод ABC-XYZ-анализа разбивает покупателей на группы в зависимости от суммы и частоты покупок, методы кластеризации объединяют исходные объекты в кластеры по схожим признакам. По представленному в работе алгоритму в системе RapidMiner Studio разработаны сценарии анализа клиентской базы торговой организации. Метод ABC-XYZ-анализа показал покупателей, на которых стоит обратить повышенное внимание, поскольку их отсутствие приведет к убыткам. При кластерном анализе использовались методы k-means, деливший исходное множество данных на 3 кластера, g-means и Expectation-Maximization алгоритм, в которых количество кластеров не задавалось. Использовались следующие характеристики: средняя сумма покупок за год, среднее количество купленных уникальных товаров за год, среднее количество покупок за год, количество лет, которое покупатель сотрудничает с магазином, год последней покупки. Метод g-means разделил покупателей на 3 кластера, а EM-алгоритм – на 10. Совмещенный ABC-XYZ-анализ и алгоритм k-means показали наилучшие результаты разделения покупателей, позволяющие применить индивидуальный подход в работе с клиентами каждой группы.
Интеллектуальный анализ данных, совмещенный ABC-XYZ-анализ, методы кластеризации, алгоритм k-means, Expectation-Maximization алгоритм, RapidMiner Studio
1. González, R.G. An intelligent decision support system for production planning based on machine learning / R.G. González, J.M. Gonzalez-Cava, J.A. Méndez Pérez // Journal of Intelligent Manufacturing. – 2020. – № 31(5). – Pp. 1257-73. – DOI: 10.1007/s10845-019-01510-y.
2. Chu, C.Y.C. E-commerce mercantilism-practices and causes / C.Y.C. Chu, P.-C. Lee // Journal of International Trade Law and Policy. – 2020. – Vol. 19. – Pp. 51–66. –DOI: 10.1108/JITLP-08-2019-0054.
3. Adiguzel, Z. Investigation of the effects of strategic management and innovation on performance together with technological capabilities / Z. Adiguzel // Contributions to Management Science. – 2020. – Pp. 69–98. - DOI: 10.1007/978-3-030-50131-0_4.
4. Novikova, T.P. Production of complex knowledge-based systems: optimal distribution of labor resources management in the globalization context / T.P. Novikova, A.I. Novikov // Globalization and Its Socio-Economic Consequences. Rajecke Teplice, Slovakia: University of Zilina, 2018. – Pp. 2275–2281.
5. Новикова, Т.П. К вопросу выбора методов принятия управленческих решений в социально-экономических системах / Т.П. Новикова // Альтернативные источники энергии в транспортно-технологическом комплексе: проблемы и перспективы рационального использования. – 2015. – Т. 2, № 1 (2). – С. 286-289. - DOI: 10.12737/14053.
6. Green supply chain collaborative innovation, absorptive capacity and innovation performance: Evidence from China / J. Hong, R. Zheng, H. Deng, Y. Zhou // Journal of Cleaner Production. – 2019. – Vol. 241. – P. 118377. – DOI: 10.1016/j.jclepro.2019.118377.
7. Piterska, V. Development of the methodological proposals for the use of innovative risk-based mechanism in transport system / V. Piterska, A. Shakhov // International Journal of Engineering and Technology. – 2018. – Vol. 7, № 4.3. – Pp. 257–261. - DOI: 10.14419/ijet.v7i4.3.20129.
8. Ham, C. Pro-poor enterprises and the base-of the pyramid concept: Learning from natural plant product ventures in South Africa / C. Ham, W. Thomas // Sustainability Challenges and Solutions at the Base of the Pyramid: Business, Technology and the Poor; Taylor and Francis: Department of Forest and Wood Science, Stellenbosch University, South Africa, 2017. – Pp. 116-131. - ISBN 9781351279871.
9. Randall, D. An exploration of opportunities for the growth of the fair trade market: Three cases of craft organizations / D. Randall // Journal of Business Ethics. – 2005. – Vol. 56. – Pp. 55–67. – DOI: 10.1007/s10551-004-1756-6.
10. Connolly, J. Identifying fair trade in consumption choice / J. Connolly, D. Shaw // Journal of Strategic Marketing. –2006. – Vol. 14 (4). – Pp. 353–368. – DOI: 10.1080/09652540600960675.
11. Novikova, T.P. The choice of a set of operations for forest landscape restoration technology / T.P. Novikova // Inventions. – 2022. – Т. 7, № 1. – C. 1. – DOI: 10.3390/inventions7010001
12. Новикова, Т.П. Разработка алгоритма и модели функционирования информационной системы для малого сельскохозяйственного предприятия / Т.П. Новикова, Т.В. Новикова, А.И. Новиков // Моделирование систем и процессов. – 2020. – Т. 14, № 3. – С. 53-58. - DOI: 10.12737/2219-0767-2021-13-4-53-58.
13. Thomas, J.S. Econometric analysis of customer retention in an aviation trade organization / J.S. Thomas // Transportation Research Record. – 1997. - Pp. 33–40. - DOI: 10.3141/1567-05.
14. Impact of the World Trade Organization TRIPS Agreement on the pharmaceutical industry in Thailand / S. Supakankunti, W.S. Janjaroen, O. Tangphao [et al.] // Bulletin on the World Health Organisation. – 2001. – Vol. 79 (5). - Pp. 461–470. – DOI: 10.1590/S0042-96862001000500013.
15. Новикова, Т.П. Разработка и исследование базовой модели PERT для планирования работ по проекту / Т.П. Новикова, С.А. Евдокимова, А.И. Новиков // Моделирование систем и процессов. – 2021. – Т. 14, № 4. – С. 75-81. – DOI: 10.12737/2219-0767-2021-14-4-75-81.
16. Graham, D. “Painful and unprecedented” - Suppliers slammed by steel costs / D. Graham // Textile Rental. – 2007. – Vol. 90. – Pp. 84–89.
17. Евдокимова, С.А. Исследование товарного ассортимента с помощью ABC-XYZ-анализа в системе Deductor / С.А. Евдокимова, А.В. Журавлев // ИНФОРМАТИКА: ПРОБЛЕМЫ, МЕТОДЫ, ТЕХНОЛОГИИ : сборник материалов XXI Международной научно-методической конференции. – Воронеж, 2021. – С. 1142-1146.
18. Fang, C. Research and application of improved clustering algorithm in retail customer classification / C. Fang, H. Liu // Symmetry. – 2021. – № 13(10). – С. 1789. – DOI: 10.3390/sym13101789.
19. Stojanović, M. The significance of the integrated multicriteria ABC-XYZ method for the inventory management process / M. Stojanović, D. Regodić // Acta Polytechnica Hungarica. – 2017. – № 14. – Pp. 29-48. – DOI: 10.12700/APH.14.5.2017.5.3.
20. Беляева, М.С. Повышение конкурентоспособности предпринимательской структуры на основе комбинированного ABC/XYZ и кластерного анализа товарной номенклатуры / М.С. Беляева // Региональная экономика: теория и практика. – 2021. – Т. 19, № 9 (492). – С. 1789-1810. – DOI: 10.24891/re.19.9.1789.
21. Chindyana, M. Segmentation of tourist interest on tourism object categories by comparing PSO K-means and DBSCAN method / M. Chindyana, L.A. Wulandhari // Revue d'Intelligence Artificielle. – 2021. – №35(1). – Pp. 23-37. – DOI: 10.18280/ria.350103.
22. Evdokimova, S.A. Segmentation of store customers to increase sales using ABC-XYZ-analysis and clustering methods / S.A. Evdokimova // Journal of Physics: Conference Series. "International Conference on IT in Business and Industry, ITBI 2021" - 2021. - С. 012117. - DOI: 10.1088/1742-6596/2032/1/012117.
23. Sampson, S.E. Modes of customer co-production for international service offerings / S.E. Sampson, R.B. Money // Journal of Service Management. – 2015. – Vol. 26 (4). - Pp. 625-647. - DOI:10.1108/JOSM-01-2015-0033.
24. Benson, E. Fair trade consumption from the perspective of US Baby Boomers / E. Benson, K.Y.H. Connell // Social Responsibility Journal. – 2014. – № 10. – Pp. 364-382. – DOI: 10.1108/SRJ-08-2012-0094.
25. Understanding internet banking: An empirical investigation of potential customers’ acceptance in mainland China / W. Ke, B. Shao, Z. Lin, L. Yang // Proceedings of the 13th Americas Conference on Information Systems, AMCIS 2007; School of Business, Clarkson University, PO Box 5765, Potsdam, NY 13699-5765, United States. – 2007. – Vol. 5. – Pp. 3142–3153.
26. Евдокимова, С.А. Применение алгоритмов кластеризации для анализа клиентской базы магазина / С.А. Евдокимова, А.В. Журавлев, Т.П. Новикова // Моделирование систем и процессов. - 2021. - Т. 14, № 2. - С. 4-12. - DOI: 10.12737/2219-0767-2021-14-2-4-12.
27. Akbar, Z. Discovering knowledge by comparing silhouettes using K-means clustering for customer segmentation / Z. Akbar, J. Liu, Z. Latif // International Journal of Knowledge Management. – 2020. – №16(3). – Pp. 70-88. – DOI: 10.4018/IJKM.2020070105.
28. Clemes, M.D. Customer switching behaviour in the Chinese retail banking industry / M.D. Clemes, C. Gan, D. Zhang // International Journal of Bank Marketing. – 2010. – Vol. 28 (7). – Pp. 519-546. – DOI: 10.1108/02652321011085185.
29. Customer segmentation using K-means clustering and the adaptive particle swarm optimization algorithm / Y. Li, X. Chu, D. Tian [et al.] // Applied Soft Computing. – 2021. – T. 113. – C. 107924. – DOI: 10.1016/j.asoc.2021.107924.
30. Deng, Y. A study on e-commerce customer segmentation management based on improved K-means algorithm / Y. Deng, Q. Gao // Information Systems and e-Business Management. – 2020. – № 18(4). – Pp. 497-510. – DOI: 10.1007/s10257-018-0381-3.
31. Al-Somali, S. Theories and factors affecting electronic commerce adoption in small and medium enterprises (SMES): A review / S. Al-Somali, R. Gholami, B. Clegg // E-business In The 21st Century: Realities, Challenges And Outlook; World Scientific Publishing Co.: Operations &Information Management Group, Aston Business School, United Kingdom, 2009. - Pp. 301–330. – ISBN 9789812836755.
32. Integration K-Means clustering method and elbow method for identification of the best customer profile cluster / M.A. Syakur, B.K. Khotimah, E.M.S. Rochman, B.D. Satoto // IOP Conference Series: Materials Science and Engineering. – 2018. – Vol. 336. – C. 012017. – DOI: 10.1088/1757-899X/336/1/012017.
