Revenue base model of customer segmentation for international logistic business

Abstract

Customer segmentation is usually made by the salesperson who focusing on international business logistic. There are three significant factors that are used for distinguishing customers by category, which are large, medium, and small size businesses. However, the customer segmentation that arises from the decision of salesperson which can be subjective and ambiguous as a result of individual differences in factor prioritization or factor weighting involved in the process of problem solving and decisionmaking are problematic. This study proposes to establish a decision-making revenue base model for customer segmentation by using a decision tree and the fuzzy logic approach to problem solving. Data which consisted of 1) outbound revenue, 2) inbound revenue, and 3) third party revenue from an international logistic company in Thailand was used as a sample for this experiment, The results of this experiment showed that the decision tree representation model of actual tree with 52 leaves had a validity of 94.44% regarding predictions, while the reliability was 96.9% of ROC (Receiver Operator Characteristic) area. The fuzzy logic representation model showed a validity of 58.15% with a reliability of 71% of ROC area. This provides business with a suitable decision-making model for the salesperson in regards to customer care and meeting arrangements, which leads to more effective sale performance.

การแบ่งกลุ่มลูกค้าในธุรกิจขนส่งสินค้าระหว่างประเทศนั้น โดยปกติแล้วพนักงานขาย จะเป็นผู้กำหนดกลุ่มของลูกค้า โดยพิจารณาจาก 3 ปัจจัยหลัก ได้แก่ ยอดขายจากการส่งออก (Outbound revenue) ยอดขายจากการนำเข้า (Inbound revenue) และยอดขายที่เกิดจากตัวกลางผู้ส่ง สินค้า(Third Party revenue) โดยแบ่งเป็น 3 กลุ่มตามขนาดของลูกค้า ได้แก่ขนาดเล็ก ขนาดกลาง และขนาดใหญ่ แต่การตัดสินใจของพนักงานนั้นอาจแปรผันไปได้ตามประสบการณ์ของแต่ละบุคคล งานวิจัยนี้จึงศึกษาใช้ต้นไม้การตัดสินใจ (Decision Tree) และ ตรรกศาสตร์คลุมเครือ (Fuzzy Logic) มาสร้างตัวแบบเพื่อเป็นเครื่องมือช่วยตัดสินใจให้พนักงานขายในการแบ่งกลุ่มลูกค้า ผลการวิจัยพบว่าตัวแบบที่ได้จากต้นไม้ตัดสินใจพบว่า มีขนาดกิ่งของต้นไม้ ที่ 52 กิ่ง ค่าความถูกต้อง (Correctly Classified Instances) อยู่ที่ 94.44 % ค่า ROC ที่ 96.9% และตัวแบบที่ ได้จากตรรกศาสตร์คลุมเครือนั้น มีค่าความถูกต้องที่ 58.9% และมีค่า ROC ที่ 71% ตัวแบบดังกล่าว สามารถนำไปใช้ในการแบ่งกลุ่มลูกค้าเพื่อพนักงานขายสามารถวางแผนการให้บริการลูกค้าได้อย่าง มีประสิทธิภาพมากที่สุดต่อไป