A combination of center-based and density-based customer segmentation in B2B business : a case study of electrical and mechanical parts industries
3
Issued Date
2022
Copyright Date
2022
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
xi, 35 leaves : ill.
Access Rights
open access
Rights
ผลงานนี้เป็นลิขสิทธิ์ของมหาวิทยาลัยมหิดล ขอสงวนไว้สำหรับเพื่อการศึกษาเท่านั้น ต้องอ้างอิงแหล่งที่มา ห้ามดัดแปลงเนื้อหา และห้ามนำไปใช้เพื่อการค้า
Rights Holder(s)
Mahidol University
Bibliographic Citation
Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2022
Suggested Citation
Voravadhana Asavaphongsavanich A combination of center-based and density-based customer segmentation in B2B business : a case study of electrical and mechanical parts industries. Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2022. Retrieved from: https://repository.li.mahidol.ac.th/handle/123456789/114294
Title
A combination of center-based and density-based customer segmentation in B2B business : a case study of electrical and mechanical parts industries
Alternative Title(s)
การผสมผสานระหว่างการแบ่งกลุ่มลูกค้าบนพื้นฐานการกำหนดจุดศูนย์กลางและบนพื้นฐานของความหนาแน่นในธุรกิจ B2B : กรณีศึกษาในอุตสาหกรรมชิ้นส่วนไฟฟ้าและเครื่องกล
Author(s)
Abstract
An industry sector is important for the economic growth in Thailand.Among those industries, the electrical and mechanical parts manufacturers are alsoessential to drive the production process in the factory. Due to the foundation activity support, the industrial part manufacturer becomes more competitive in the market proven by The Business report in 2019 stating the lost customers and open status of quotation is increasing dramatically. In order to solve and further prevent these problems and gain more competitive advantage, the Data Mining technique would be necessary to descriptively understand and predict customer behavior which can improve the business strategy to be more effective, which the Return-of-Investment of simulated business scenario will prove. The data used in this paper is the customer data between 2017 and 2019 in two entities: 1) customer characteristic data includingRegistered capital, Industry code, Business type, Business size value, and 2) customer transaction data including purchase history. The combination of descriptive segmentation and predictive modeling towards decision-making strategies that tend to increase the Return-of-Investment of the industries is challenging and the main contribution is specified in electrical and mechanical parts manufacturing. Theexpected results should support the Sales and Marketing team in increasing sales valueand new customers and maintaining existing customers by offering highly accuratestrategy segmentation. IMPLICATION OF THESIS. This research applied K-means and DBSCAN clustering algorithm to segment the buying behavior of B2B customers in Electrical and Mechanical parts industry.
ภาคอุตสาหกรรมเป็นส่วนหนึ่งที่มีความสำคัญต่อการเติบโตของเศรษฐกิจไทย จึงทำให้ผู้ผลิตชิ้นส่วนเครื่องกลและไฟฟ้ามีส่วนสำคัญในการขับเคลื่อนกระบวนการผลิตของอุตสาหกรรมไทย จากรายงานการดำเนินธุรกิจในปี 2562 ของบริษัทผู้ผลิตชิ้นส่วนเครื่องกลและไฟฟ้า พบว่าในตลาดชิ้นส่วนเครื่องกลและไฟฟ้ามีการแข่งขันมากยิ่งขึ้น จำนวนลูกค้าที่เคยซื้อสินค้าแล้วกลับมาซื้อซ้ำลดน้อยลง นอกจากนี้ยังพบว่าจำนวนใบเสนอราคาสินค้าที่ไม่ได้รับการพิจารณาสั่งซื้อมีปริมาณเพิ่มมากขึ้น การทำเหมืองข้อมูลเพื่อวิเคราะห์ข้อมูลจากข้อมูลจำนวนมาก สามารถที่จะอธิบายและทำนายเกี่ยวกับพฤติกรรมของลูกค้า ซึ่งจะทำให้กลยุทธ์ของบริษัทมีประสิทธิภาพมากยิ่งขึ้น ข้อมูลที่นำมาใช้ในงานวิจัยนี้เป็นข้อมูลลูกค้านิติบุคคลในช่วงปี พ.ศ. 2560-2562 ประกอบด้วย 1) ข้อมูลลักษณะของลูกค้า เช่น ทุนจดทะเบียนบริษัท ประเภทธุรกิจ ประเภทอุตสาหกรร
ภาคอุตสาหกรรมเป็นส่วนหนึ่งที่มีความสำคัญต่อการเติบโตของเศรษฐกิจไทย จึงทำให้ผู้ผลิตชิ้นส่วนเครื่องกลและไฟฟ้ามีส่วนสำคัญในการขับเคลื่อนกระบวนการผลิตของอุตสาหกรรมไทย จากรายงานการดำเนินธุรกิจในปี 2562 ของบริษัทผู้ผลิตชิ้นส่วนเครื่องกลและไฟฟ้า พบว่าในตลาดชิ้นส่วนเครื่องกลและไฟฟ้ามีการแข่งขันมากยิ่งขึ้น จำนวนลูกค้าที่เคยซื้อสินค้าแล้วกลับมาซื้อซ้ำลดน้อยลง นอกจากนี้ยังพบว่าจำนวนใบเสนอราคาสินค้าที่ไม่ได้รับการพิจารณาสั่งซื้อมีปริมาณเพิ่มมากขึ้น การทำเหมืองข้อมูลเพื่อวิเคราะห์ข้อมูลจากข้อมูลจำนวนมาก สามารถที่จะอธิบายและทำนายเกี่ยวกับพฤติกรรมของลูกค้า ซึ่งจะทำให้กลยุทธ์ของบริษัทมีประสิทธิภาพมากยิ่งขึ้น ข้อมูลที่นำมาใช้ในงานวิจัยนี้เป็นข้อมูลลูกค้านิติบุคคลในช่วงปี พ.ศ. 2560-2562 ประกอบด้วย 1) ข้อมูลลักษณะของลูกค้า เช่น ทุนจดทะเบียนบริษัท ประเภทธุรกิจ ประเภทอุตสาหกรร
Degree Name
Master of Science
Degree Level
Master's degree
Degree Department
Faculty of Engineering
Degree Discipline
Information Technology Management
Degree Grantor(s)
Mahidol University