A two-stage single house customer segmentation model

Abstract

The single housing industry is currently experiencing a continuous expansion in demand for housing an increase in transference of 57% compared to the same period last year. Leading real estate development companies in Thailand need to have strategies to meet the needs of different customers. Addressing the needs of different customer groups is the key for increasing the rate of sales conversion. This thesis proposes a two-stage single house customer segmentation model. The data model consists of two stages: Stage1 is concerned with the process involved between registration and reservation, while stage 2 follows the customer from reservation to transfer. The technique used is a classification system consisting of 5 algorithms. The Neural Network with 1 Hidden Layer was the model selected for both stages to provide the best prediction accuracy. This model analyzes the probability of the customer progressing through the stages to the conclusion of a purchase by learning the customer's characteristics and the factors involved in the customer's decision. The model displays the reservation result and transfer result for customers who have achieved the respective reservation and transference steps according to their registration profile. Experiments show that models can predict customer loyalty, thereby enhancing relationship management between customers and organizations. It also confers a competitive advantage within the industry.

อุตสาหกรรมบ้านเดี่ยวในปัจจุบันมีการขยายตัวของความต้องการที่อยู่อาศัยเพิ่มขึ้นอย่างต่อเนื่อง โดยมีการโอนกรรมสิทธิ์เพิ่มขึ้นถึงร้อยละ 57 เมื่อเทียบกับช่วงเดียวกันของปีก่อน ดังนั้นในการที่จะก้าวสู่การเป็น บริษัทพัฒนาอสังหาริมทรัพย์ชั้นนำ แห่งในประเทศไทยจะต้องมีกลยุทธ์เพื่อเข้าถึงความต้องการของกลุ่มลูกค้าที่แตกต่างกันเป็นหัวใจสำคัญในการยกระดับคุณภาพชีวิตของลูกค้าและนำ เสนอสิ่งที่ดีต่อสังคม วิทยานิพนธ์นี้ได้เสนอแบบจำลองการจำแนกสองชั้นสำหรับการแบ่งกลุ่มลูกค้าบ้านเดี่ยว โดยเป้าหมายคือการคาดการณ์ความภักดีของลูกค้า แบบจำลองนำเสนอข้อมูลที่ประกอบด้วยสองชั้น ได้แก่ชั้นของการลงทะเบียนเพื่อจอง และชั้นของการจองเพื่อการโอนกรรมสิทธิ์สำหรับเทคนิคที่ใช้ในการวิจัยนี้คือการจำแนกประเภท ซึ่งประกอบไปด้วย 5 อัลกอริทึม เพื่อเปรียบเทียบและเลือกอัลกอริทึมที่ให้ความแม่นยำ ในการทำนายมากที่สุดมาออกแบบเพื่อการใช้งานจริง ซึ่งแบบจำลองจะวิเคราะห์ความน่าจะเป็นของลูกค้าจริงโดยการเรียนรู้ลักษณะของลูกค้าและปัจจัยที่เกี่ยวข้องในการตัดสินใจของลูกค้า ซึ่งแบบจำ ลองจะแสดงผลการจอง และการโอนกรรมสิทธิ์ของลูกค้าที่มีความเป็นเจ้าของผลิตภัณฑ์ ทั้งนี้การทดลองแสดงให้เห็นว่าแบบจำลองที่มีค่าความแม่นยำ มากที่สุดคือ นิวรอนเน็ตเวิร์ค 1 ชั้น สามารถทำนายความความภักดีของลูกค้าที่สามารถทำการจอง และ โอนกรรมสิทธิ์ได้จากโปรไฟล์การลงทะเบียนของพวกเขา รูปแบบนี้สามารถนำ ไปใช้เพื่อสร้างความภักดีของลูกค้า รวมถึงการเพิ่มประสิทธิภาพในการจัดการความสัมพันธ์ระหว่างลูกค้าและองค์กร รวมถึงยังสามารถสร้างความได้เปรียบในการแข่งขันของธุรกิจได้อีกด้วย