Journal of Operational Research and Its Applications

fa پیش بینی الگوی پایداری مشتریان در صنعت خودرویی و شرکت های خودرو ساز با استفاده ازسیستم خبره Customer Sustainability Patterns Predicting in the Automotive Industry and Automotive Companies by Using an Expert System تخصصي Special مروری Review paper در دهه های اخیر، با توجه افزایش هزینه های جذب مشتری جدید به طور پیوسته، توجه به نگهداری مشتریان و بالابردن وفاداری آنها، برای سودآوری سازمان ها بسیار مهم و حساس است. از این رو سازمان ها برنامه های مختلفی را برای افزایش ماندگاری مشتریان  با ارزش خود (مشتریانی با اتلاف منبع کمتر و سودآوری بالا ) اجرا می کنند. پژوهش حاضر با درنظر گرفتن قابلیت‌های داده کاوی در مدیریت و طراحی به پیاده‌سازی یک مدل پیش‌بینی رفتار رویگردانی مشتریان در حوزه صنعت، با بهره‌گیری از روششناسی استاندارد CRISP-DM بر اساس مدل RFM  و تکنیک‌های جنگل تصادفی و درخت‌های فزاینده، به جستجو در پایگاه داده مشتریان یک شرکت خودروساز، که بیش از یک قرارداد خرید محصول با آن شرکت خودروساز داشته‌اند، پرداخته است. با کاربرد مدلی بر مبنای تکنیک‌های جنگل تصادفی،درخت‌های فزاینده و مدل پیش‌بینی ترکیبی، مشتریانی که تمایل به رویگردانی دارند شناسایی‌شده و راهکارهای بازاریابی موثر برای این گروه برنامه‌ریزی می شود. تحلیل رفتار مشتری نشان می دهد که طول ارتباط فعال مشتری، تناوب خرید نسبی و متوسط فاصله زمانی بین خرید از بهترین پیش‌بینی‌کنندگان می‌باشند.  همچنین تکنیک پیش بینی ترکیبی نسبت به  تکنیک‌های جنگل تصادفی و درخت‌های فزاینده نتایج بهتری را نشان داده است.   In recent decades, due to the continuous increase in the cost of attracting new customers, it is very important and sensitive for the profitability of organizations to pay attention to maintaining customers and increasing their loyalty. Therefore, organizations implement various programs to increase the durability of their valuable customers (customers with less resource loss and high profitability). The current research, considering the capabilities of data mining in management and design, implements a model for predicting the behavior of customers in the field of industry, using the CRISP-DM standard methodology based on the RFM model and Random Forest and Growing Trees techniques. Increasingly, it has searched the database of customers of an automobile company, who have had more than one product purchase contract with that automobile company. By applying a model based on Random Forest, Growing Trees and a hybrid prediction model technique, customers who tend to turn away are identified and effective marketing strategies are planned for this group. The analysis of customer behavior shows that the length of active customer relationship, the frequency of relative purchases and the average time interval between purchases are among the best predictors. Also, the hybrid prediction technique has shown a better response than random forest and growing trees techniques. رویگردانی مشتریان, داده کاوی, مدل RFM , صنعت خودرو Customer Drop, Data Mining, RFM Model, Automobile Industry 1 23 http://jamlu.lahijan.iau.ir/browse.php?a_code=A-11-1935-1&slc_lang=fa&sid=1 A. Nourbakhsh اعظم السادات نوربخش nourbakhsh@liau.ac.ir 100319475328460011409 100319475328460011409 Yes Computer and Information Technology Department, Lahijan Branch, Islamic Azad University, Lahijan, Iran گروه کامپیوتر و فناوری اطلاعات، واحد لاهیجان، دانشگاه آزاد اسلامی ، لاهیجان، ایران M. MirMohammadian میلاد میرمحمدیان mir.mohamadiyan@gmail.com 100319475328460011410 100319475328460011410 No Network expert of Statistics and Information Technology Center, Judiciary, Tehran, Iran کارشناس شبکه مرکز آمار و فناوری اطلاعات ، قوه قضاییه ، تهران، ایران M. H. Mehdizadeh Naderi محمدحسین مهدی زاده نادری M.H.Mehdizadeh@gmail.com 100319475328460011411 100319475328460011411 No Director of Network Security of Statistics and Information Technology Center, judicial branch, Tehran, Iran مدیر امنیت شبکه مرکز آمار و فناوری اطلاعات ، قوه قضاییه، تهران، ایران