KaydedilenlerDerginizi ekleyin

Dergiler / Business and Management Studies: An International Journal / 2020 / Cilt: 8 - Sayı: 4

RFM VE UYUM ANALİZİ KULLANILARAK MÜŞTERİ SEGMENTASYONUNUN BELİRLENMESİ

Melih BAŞKOL
Sayfa
902–928
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

RFMdeğerlerine göre segmente edilen müşterilerin sürekli olarak satın aldıkları makarnamarkaları tespit edilerek bu segmentlerin hangi markalarla daha fazla ilişkide olduklarınıtespit etmek için uyum analizi SPSS programı ile uygulanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bir şirketin en iyi müşterilerini ve onların gerçek ihtiyaçlarını ve beklentilerinibelirlemek oldukça zorlu bir süreçtir.
📊
Temel Bulgular & Veri:RFM (güncellik, sıklık ve parasal değer) uzun süredir segmentasyonuygulamalarında analitik bir teknik olarak kullanılmaktadır.
💡
Sonuç & Katkı:RFMdeğerlerine göre segmente edilen müşterilerin sürekli olarak satın aldıkları makarnamarkaları tespit edilerek bu segmentlerin hangi markalarla daha fazla ilişkide olduklarınıtespit etmek için uyum analizi SPSS programı ile uygulanmıştır.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Bir şirketin en iyi müşterilerini ve onların gerçek ihtiyaçlarını ve beklentilerinibelirlemek oldukça zorlu bir süreçtir. Bunun üstesinden gelebilmek için segmentasyongerekir. RFM (güncellik, sıklık ve parasal değer) uzun süredir segmentasyonuygulamalarında analitik bir teknik olarak kullanılmaktadır. Perakendeciler vepazarlamacılar, maliyet etkinliği ve basitliği nedeniyle RFM analizini tercih etmektedirler.Geleneksel segmentasyon yöntemleriyle karşılaştırıldığında, RFM analizi müşterileri,müşterilerin geçmiş satın alma davranışlarına göre segmentlere ayırır. Bu çalışmada ilkolarak segmentasyonun önemi açıklanmaya çalışılmıştır.Çalışmada kullanılan veriler yerelbir perakendecinin veri tabanından toplanmıştır. Bir yıllık zaman diliminde sadakat kartıkullanan 18975 müşterinin alışveriş kayıtları araştırmanın veri setini oluşturmaktadır.Python programlama dili aracılığı ile her bir müşterinin RFM değerleri belirlenmiştir. RFMdeğerlerine göre segmente edilen müşterilerin sürekli olarak satın aldıkları makarnamarkaları tespit edilerek bu segmentlerin hangi markalarla daha fazla ilişkide olduklarınıtespit etmek için uyum analizi SPSS programı ile uygulanmıştır.

🔖

Bu Makaleye Atıf Yap

BAŞKOL, M. (2020). RFM VE UYUM ANALİZİ KULLANILARAK MÜŞTERİ SEGMENTASYONUNUN BELİRLENMESİ. Business and Management Studies: An International Journal, Cilt: 8 - Sayı: 4, 902–928. https://ajindex.com/articles/351943

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (13)

  1. Alpar, R. (2013). Uygulamalı Çok Değişkenli İstatiksel Yöntemler (Dördüncü B). Ankara:
  2. Detay Yayıncılık. Beane, T. P., Ennis, D. M., & Morris, P. (1987). Market Segmentation: A Review. In European Journal of Marketing (Vol. 21). Beh, E. J., Lombardo, R., & Simonetti, B. (2011). A European perception of food using two methods of correspondence analysis. Food Quality and Preference, 22(2), 226–231.
  3. Berthon, P., Pitt, L., Berthon, J. P., Crowther, C., Bruwer, L., Lyall, P., & Money, A. (1997). Mapping the marketspace: Evaluating industry web sites using correspondence analysis. Journal of Strategic Marketing, 5(4), 233–242.
  4. Birkhead, B. (2001). Behavioural segmentation systems: A perspective. Journal of Database Marketing & Customer Strategy Management, 8(2), 105–112.
  5. Bock, T., & Uncles, M. (2002). A taxonomy of differences between consumers for market segmentation. International Journal of Research in Marketing, 19(3), 215–224.
  6. Boejgaard, J., & Ellegaard, C. (2010). Unfolding implementation in industrial market segmentation. Industrial Marketing Management, 39(8), 1291–1299.
  7. Çakmak, Z., Baş, M., & Yıldırım, E. (2012). Gri İlişkisel Analiz ve Uyum Analizi ile Birleştirmede Karşılaşılan Üretim Hatalarının İncelenmesi. Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 17(1), 123–142.
  8. Chang, H. C., & Tsai, H. P. (2011). Group RFM analysis as a novel framework to discover better customer consumption behavior. Expert Systems with Applications, 38(12), 14499–14513.
  9. Chiang, W. Y. (2019). Establishing high value markets for data-driven customer relationship management systems: An empirical case study. Kybernetes, 48(3), 650–662.
  10. Christy, A. J., Umamakeswari, A., Priyatharsini, L., & Neyaa, A. (2018). RFM ranking – An effective approach to customer segmentation. Journal of King Saud University - Computer and Information Sciences. Danneels, E. (1996). Market segmentation: normative model versus business reality. European Journal of Marketing, 30(6), 36–51.
  11. Dias, J. G., & Vermunt, J. K. (2007). Latent class modeling of website users’ search patterns: Implications for online market segmentation. Journal of Retailing and Consumer Services, 14(6), 359–368.
  12. Dibb, S. (1995). Developing a decision tool for identifying operational and attractive segments. Journal of Strategic Marketing, 3(3), 189–203.
  13. Dibb, S. (1998). Market segmentation: Strategies for success. Marketing Intelligence & Planning, 16(7), 394– 406 Dibb, S., & Simkin, L. (2001). Market S