Applying data mining techniques and extened RFM model in customer loyalty measurement
Issued Date
2015
Copyright Date
2015
Resource Type
Language
eng
File Type
application/pdf
No. of Pages/File Size
ix, 40 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, 2015
Suggested Citation
Panwad Bunnak Applying data mining techniques and extened RFM model in customer loyalty measurement. Thesis (M.Sc. (Information Technology Management))--Mahidol University, 2015. Retrieved from: https://repository.li.mahidol.ac.th/handle/20.500.14594/94027
Title
Applying data mining techniques and extened RFM model in customer loyalty measurement
Alternative Title(s)
การประยุกต์ใช้เทคนิคทางด้านดาต้าไมน์นิ่งต่อยอดกับอาร์เอฟเอ็มเพื่อหาความจงรักภักดีของลูกค้า
Author(s)
Abstract
This research proposes a loyalty measurement model for individual customers for the benefit of creating a marketing campaign and activities, as well as suitable products and services for customers and the establishment of good customer relationship. This study adapted the concept of the RFM (Recency- Frequency- Monetary) model and applied it to a database of customer purchases and the customer type. The business type of the selected organization is a commercial business. To apply the RFM concept to find customer loyalty according the type of customer, customer loyalty is partitioned into 5 classes using a k-means clustering algorithm and is heuristically to assigned customer types: Platinum, Gold, and Silver. The type of customer is then brought into consideration by extending the RFM Model with customer analytics to make even better customer classification performance. Finally, the classification system generates decision rules to find out the loyalty of new future customers using a C4.5 decision tree algorithm. After creating rules to find the loyalty measurement, the Extended RFM Model has more detail than Traditional RFM Model.
งานวิจัยนี้มีจุดประสงค์เพื่อหาความจงรักภักดีของลูกค้าแต่ละรายเพื่อประโยชน์ในการสร้างแคมเปญทางการตลาดและกิจกรรมตลอดจนผลิตภัณฑ์และการบริการสำหรับลูกค้าที่เหมาะสมและเป็นการสร้างสัมพันธ์ที่ดีกับลูกค้า ซึ่งในงานวิจัยนี้ได้นำหลักการ RFM (Recency = ระยะเวลาที่ลูกค้ามีการสั่งซื้อล้าสุดจนถึงปัจจุบัน, Frequency = จำนวนการสั่งซื้อในแต่ละช่วงเวลา, Monetary = มูลค่าเฉลี่ยต่อการสั่งซื้อแต่ละครังในช่วงเวลาเดียวกัน) มาประยุกต์ใช้กับฐานข้อมูลการซื้อของลูกค้าและประเภทของลูกค้า ประเภทธุรกิจที่เลือกเป็นธุรกิจเชิงพาณิชย์ โดยนำหลักการ RFM มาหาความจงรักภักดีของลูกค้าตามประเภทของลูกค้า ซึ่งความจงรักภักดีของลูกค้าแบ่งออกเป็น 5 คลาส โดยใช้วิธีการจัดกลุ่มด้วยอัลกอริทึม k-means และกำหนดประเภทลูกค้าเป็นแพลทินัม, โกลด์และซิลเวอร์ การนำประเภทลูกค้ามาต่อยอดกับหลักการ RFM ทำให้การวิเคราะห์ประสิทธิภาพในการจำแนกความจกรักภักดีของลูกค้าได้ดียิ่งขึ้น สุดท้ายงานวิจัยนี้ได้สร้างกฎการตัดสินในในการหาความจงรักภักดีของลูกค้ารายใหม่ในอนาคต โดยใช้วิธีการจำแนกข้อมูลด้วยอัลกอริทึม C4.5 หลักจากที่ได้ทำการสร้างกฎเพื่อหาความจงรักภักดีของลูกค้า การนำประเภทลูกค้ามาต่อยอดกับหลักการ RFM ทำให้ได้กฎที่มีรายละเอียดมากขึ้นกว่าแบบเดิม
งานวิจัยนี้มีจุดประสงค์เพื่อหาความจงรักภักดีของลูกค้าแต่ละรายเพื่อประโยชน์ในการสร้างแคมเปญทางการตลาดและกิจกรรมตลอดจนผลิตภัณฑ์และการบริการสำหรับลูกค้าที่เหมาะสมและเป็นการสร้างสัมพันธ์ที่ดีกับลูกค้า ซึ่งในงานวิจัยนี้ได้นำหลักการ RFM (Recency = ระยะเวลาที่ลูกค้ามีการสั่งซื้อล้าสุดจนถึงปัจจุบัน, Frequency = จำนวนการสั่งซื้อในแต่ละช่วงเวลา, Monetary = มูลค่าเฉลี่ยต่อการสั่งซื้อแต่ละครังในช่วงเวลาเดียวกัน) มาประยุกต์ใช้กับฐานข้อมูลการซื้อของลูกค้าและประเภทของลูกค้า ประเภทธุรกิจที่เลือกเป็นธุรกิจเชิงพาณิชย์ โดยนำหลักการ RFM มาหาความจงรักภักดีของลูกค้าตามประเภทของลูกค้า ซึ่งความจงรักภักดีของลูกค้าแบ่งออกเป็น 5 คลาส โดยใช้วิธีการจัดกลุ่มด้วยอัลกอริทึม k-means และกำหนดประเภทลูกค้าเป็นแพลทินัม, โกลด์และซิลเวอร์ การนำประเภทลูกค้ามาต่อยอดกับหลักการ RFM ทำให้การวิเคราะห์ประสิทธิภาพในการจำแนกความจกรักภักดีของลูกค้าได้ดียิ่งขึ้น สุดท้ายงานวิจัยนี้ได้สร้างกฎการตัดสินในในการหาความจงรักภักดีของลูกค้ารายใหม่ในอนาคต โดยใช้วิธีการจำแนกข้อมูลด้วยอัลกอริทึม C4.5 หลักจากที่ได้ทำการสร้างกฎเพื่อหาความจงรักภักดีของลูกค้า การนำประเภทลูกค้ามาต่อยอดกับหลักการ RFM ทำให้ได้กฎที่มีรายละเอียดมากขึ้นกว่าแบบเดิม
Description
Information Technology Management (Mahidol University 2015)
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