- مشتریان چه کسانی با چه خصوصیاتی هستند؟
- چرا مشتری می خواهد از این فروشگاه مجازی خرید کند؟
آزمون خرید الکترونیکی [الهی و همکاران ۱۳۸۸]، روشی سه مرحله ای برای پرداختن به چالش های تجارت الکترونیکی است .این آزمون برای تمامی انواع محصولات و خدمات در صنایع مختلف کاربرد دارد. آزمون خرید الکترونیکی برای خرده فروشان، تولیدکنندگان، عرضه کنندگان و هر شرکت دیگری که در بخشی از فرایند توزیع محصول از تولید تا مصرف مشارکت می کند، قابل استفاده است. سه مرحله مربوطه به آزمون خرید الکترونیکی عبارت است از:
( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
۱- ویژگی های محصول که مربوط به میزان وابستگی محصول به حواس پنجگانه است.
۲- آشنایی و خرسندی مشتری از محصول که برابر با درجه ای است که مشتری، محصول را می شناسد و به آن اعتماد دارد، قبلا آن را تجربه کرده یا از خرید مجدد آن خرسند خواهد شد.
۳- ویژگی های مشتری و محصول که عمده ترین عامل انگیزش مشتری و نگرش او به خرید را مد نظر قرار می دهد. اگر ویژگی های محصول، قابلیت فروش الکترونیکی را تأیید کند و اگر مصرف کنندگان آشنایی کافی با محصول داشته و از خرید آن خرسند باشند، امکان خرید الکترونیکی آن افزایش می یابد.
در دنیای کسب و کار الکترونیکی، عوامل زیادی وجود دارد که بر تصمیم و قصد خرید از طریق سایت های وب تأثیرگذار است. مجازی بودن شبکه اینترنت، کمی اعتماد مشتری به خرید مجازی، کیفیت سایت و مدل طراحی آن مخصوصا در روش ارائه محصول و اطلاعات مربوطه، به بی رغبتی مشتریان به انجام دادن خریدهای الکترونیکی منجر می شود. از سوی دیگر، ویژگی های افراد نیز بر تصمیم و انجام خرید الکترونیکی تأثیر می گذارد، مانند وفاداری افراد به یک نام تجاری، نگرش ها، عادت ها، درک افراد برای محیط و فرصت هایی که در آن ارائه می شود، تمایل افراد به ورود به عالم تجارت جدید و استفاده از فناوری و نوآوری ها. برای کسب مزیت های رقابتی لازم است رفتار مشتری را به خوبی درک و فرایند تصمیم گیری او تجزیه و تحلیل شود. آنچه مشتری را راضی نگه می دارد موجب ادامه حیات و فعالیت شرکت می شود. مشتری پسند کردن محصول و تعامل، دو طرح ارزشی منحصر به فرد هستند که به وفاداری الکترونیکی در رفتار برخط خریدار کمک می کنند. اکثر کسانی که از طریق وب خریداری می کنند، وب سایت هایی را ترجیح می دهند که محصولات و خدمات مشتری پسندی را ارائه کنند و این حاکی از اهمیت مشتری پسندی در ایجاد و وفاداری الکترونیکی است [الهی و همکاران ۱۳۸۸]. عملکرد ارتباط با مشتری الکترونیک، تحت چهار بعد اصلی در شکل ۲-۴ مشخص شده است:
شکل ۲-۴- ابعاد اصلی مدیریت ارتباط با مشتری الکترونیک [میرفخرالدینی و همکاران ۱۳۸۸]
۲-۵- اهمیت داده کاوی و وب کاوی در مدیریت ارتباط با مشتریان
داده کاوی و وب کاوی یکی از عناصر مدیریت ارتباط با مشتری است و میتواند به حرکت شرکتها به سمت مشتری محوری کمک کند. توسط فرایند وب کاوی می توان رفتار مشتریان در پیمایش وب سایت ها درک کرد، به طراحی مناسب وب سایت ها پرداخت و برای ارتقای فعالیت های سازمان ها در امر بازاریابی و جذب مشتریان گام برداشت .
استفاده از وب کاوی در یکی از زمینه های مهم تجارت دنیای امروز، یعنی ارتباط با مشتری در جنبه شناخت مشتری، مورد بررسی قرار می گیرد. شرکت ها و سازمان ها به منظور حرکت به سوی مشتری مداری میتوانند اقدامات زیر را انجام دهند :
- کشف مجدد نقش مهم و حیاتی مشتری و درک رفتار مشتری و فروشندگان؛
- یادگیری اینکه چگونه میتوان مشتری مدار بود و ارزیابی محصولات و کارایی تامین کنندگان؛
- متعهد نمودن تمامی اعضای شرکت یا سازمان برای اجرای استراتژی مشتری مداری و کنترل متناوب محصولات و تامین کنندگان.
به منظور ارتقای سرویس های اینترنتی و افزایش بازدیدهای کاربران، لازم است توسعه دهندگان وب دقیقا بدانند که کاربران واقعا به چه چیزی نیاز دارند و صفحاتی را که بیشتر مورد توجه بالقوه آنان قرار می گیرند، پیش بینی کنند و صفحات شخصی وب را با مشاهده الگوی رفتار کاربران ارائه دهند . توسعه دهندگان وب با درک پروفایل کاربران و اهداف سایت، حقایقی از عادات کاربران را مشخص می نمایند. آن ها همچنین می توانند از رفتار کاربران توسط تحقیق در وب و کشف الگوهای فعالیت مشاهده کنندگان سایت آگاهی یابند .
۲-۶- کاربردهای داده کاوی و وب کاوی در مدیریت ارتباط با مشتریان
دسته بندی مشتریان: با دسته بندی مشتریان به وسیله رفتار و تحلیل جنبه های مشترک، می توان به سازمان در ارائه بهتر و مناسب خدمات یاری رساند.
ارائه خدمات شخصی سازی شده به منظور مدیریت زمان مشتریان: در فضای اینترنت مشتریان می توانند برای خدمتی خاص به شرکت های مختلفی مراجعه کنند، بنابراین چگونگی جذب و
حفظ مشتریان از دغدغه های اصلی هر شرکتی است.
کاهش هزینه های عملیاتی و بهبود وضعیت رقابتی سازمان: توسط داده کاوی و وب کاوی، عملیات تجارت الکترونیک، بازخورد قابل اطمینانی از وضعیت بازار دریافت می کند. با تحلیل رفتار آینده مشتریان می توان فعالیت های بازاریابی را در جهتی مناسب سوق داد و در هزینه های مربوط به تبلیغات و جلب مشتریان صرفه جویی نمود.
فروش متقاطع[۱]: سایت های تجارت الکترونیک برای فراهم ساختن منفعت بیشتر، از فروش متقاطع برای ارائه خدمت یا کالای جدید استفاده می کنند، یعنی مشتری می تواند خدمتی دیگری را برای یک محصول درخواست نماید. توسط تکنیک های داده کاوی و وب کاوی، با تحلیل رفتار خرید آینده مشتریان و مشخص نمودن اینکه کدام مشتری برای فروش متقاطع مناسب است، می توان منافع شرکت یا سازمان را ارتقا بخشید.
بهبود طراحی وب سایت تجارت الکترونیک: با نگهداری رفتار و بازخورد مشتریان، طراحان وب سایت می توانند ساختار مناسبی را سازمان دهی و بهینه نمایند تا مشتریان بیشتری را جذب کند. مواردی مانند دسترسی آسان و راحت مشتریان به صفحات دلخواه و ارائه یک تصویر خوشایند برای آنان، می تواند بازدیدهای آینده را افزایش دهد. همچنین امنیت مناسب، سبب افزایش رضایت و در نتیجه حفظ مشتریان می گردد .
۲-۷- مراحل وب کاوی در آماده سازی و تحلیل داده ها
با توجه به شکل ۲-۵ وب کاوی شامل چهار مرحله می باشد :
۱- ماخذ یابی: یافتن اسناد منطبق از وب.
۲- انتخاب اطلاعات و پیش پردازش: از لیست انتخابی، اسناد مربوط تعیین شده و پیش پردازش می شوند.
۳- عمومیت بخشیدن: تحلیل اسناد و تعیین موارد مشخص.
۴- تحلیل نهایی: استفاده از موارد مشخص و نشان دادن نتایج.
داده ها از منابع مختلفی جمع آوری شده، داده های مناسب انتخاب می گردد و پردازش هایی روی آن ها صورت می پذیرد. سپس فرضیه ها تعیین می شوند و ابزارهای مناسب انتخاب می گردند تا دانش مورد نظر کشف گردد. در آخر بر اساس اهداف کاربر، اطلاعات ارزشمندی تشخیص داده می شود. هدف این مرحله تنها بدست آوردن نتایج نیست بلکه پالایش اطلاعات برای اتخاذ سیاست های مناسب بازاریابی نیز در این مرحله صورت می گیرد.
شکل ۲- ۵- مراحل وب کاوی
۲-۸- تکنیک های وب کاوی موثر در حوزه تجارت الکترونیک
برخی از تکنیک های وب کاوی که می تواند در حوزه تجارت و خدمات الکترونیکی موثر واقع گردند، به صورت زیر معرفی شده است :
- خوشه بندی[۲] و دسته بندی[۳]: در این روش رفتارهای منحصر به فرد در گروه های همگن شناسایی و خصوصیات مشابه از هر گروه طبقه بندی و توزیع می شود.
- قوانین انجمنی[۴]: توسط این قواعد عملیات و حقایقی که در ابتدا مستقل هستند، شناسایی شده و سپس ترکیب می شوند. حقایق مورد نظر می تواند خصوصیات و رفتارهای مشاهده شده منحصر به فرد باشد.
- تحلیل مسیر: در این روش ارتباط بین صفحات وب از طریق گراف ترسیم می شود که گره های گراف، صفحات وب و ارتباط بین آن ها، کمان های گراف است. این گراف همچنین می تواند مسیر پیموده شده توسط مشتری در صفحات وب را مشخص نماید.
- الگوهای ترتیبی: این روش تاریخچه ای از عملیات و تراکنش هایی است که یک مشتری در یک دوره زمانی در وب سرور انجام داده است. مشکل کشف الگوهای ترتیبی، شناسایی گروهی از دسترسی های تکراری در مجموعه ای از تراکنش ها یا ملاقات ها در دوره های زمانی است.
- مکعب ها: مکعب داده، آرایه ای چند بعدی است که کشف و تحلیل مجموعه ای از داده ها را از زوایای مختلف فراهم می نماید. از نظر ساختاری، داده ها دارای دو المان بعد[۵] و اندازه[۶] هستند. بعد به منظور طبقه بندی و توصیف فاکتورهای مورد مطالعه در تحلیل و اندازه برای ارزش گذاری داده های ذخیره شده در ساختار استفاده می شود.
ارتباط بین تکنیک های معرفی شده در شکل ۲-۶ نمایش داده شده است.
شکل ۲-۶- ارتباط بین تکنیک های وب کاوی
از بین تکنیک های بیان شده، سه روش اصلی قوانین انجمنی، دسته بندی و خوشه بندی بیشتر در کاربردهای تجاری وب کاوی، مورد استفاده قرار می گیرند که در ادامه توضیح داده شده است.
۲-۸-۱- قوانین انجمنی
قوانین انجمنی از ابتدایی ترین روش های داده کاوی هستند که بیشتر از سایر روش ها، در وب کاوی به کار می روند. این قوانین، به دنبال کشف ارتباط بین ویژگی ها در مجموعه داده ها است و به دنبال کمی کردن ارتباط میان دو یا چند خصوصیت می باشد. این قوانین به شکل گزاره های استدلالی به فرم X => Y هستند که دو معیار اساسی پشتیبان[۷] و اطمینان[۸] در آن نقش اساسی دارند. معیار پشتیبانی بیانگر درصد مواردی است که اتفاق مورد نظر روی داده است در مقایسه با کل موارد و میزان وقوع این اتفاق مورد نظر است. قوانین انجمنی برای تشخیص رفتار مشتریان، تعیین اهداف فروش و فروش متقاطع به کار می رود.
۲-۸-۲- دسته بندی
روش های دسته بندی داده ها را به چندین دسته از پیش تعریف شده که ویژگی های آن مشخص شده است، تقسیم می کند. دسته بندی جز روش های یادگیری با نظارت به شمار می آید زیرا در ابتدا مجموعه داده به سیستم داده می شود که دسته آن ها مشخص شده است. سپس انتظار می رود سیستم با دیدن این نمونه ها بتواند نمونه های جدید را دسته بندی کند. هدف دسته بندی، تحلیل نمونه های آموزشی و ساخت مدل دقیقی برای هر دسته با بهره گرفتن از ویژگی های موجود در داده ها و سپس استفاده از این مدل ها برای دسته بندی داده های آتی است.
۲-۸-۳- خوشه بندی
تکنیک های خوشه بندی گروه هایی از اقلام مشابه را میان حجم بالایی از داده ها تشخیص می دهد. این کار بر اساس توابع فاصله[۹] که میزان شباهت میان اقلام مختلف را محاسبه می کند، انجام می شود. در خوشه بندی مرز بین خوشه ها از قبل مشخص نیست و بر چسب های هر خوشه از پیش تعیین نشده است در صورتی که در دسته بندی، از قبل مشخص است که هر دسته شامل چه داده هایی است و برچسب های هر دسته از قبل تعریف شده است. خوشه بندی داده ها بر اساس اصل مفهومی حداکثر سازی شباهت های بین اعضای هر کلاس و حداقل سازی شباهت ها بین اعضای مربوط به کلاسهای مختلف صورت می گیرد و جز روش های یادگیری بدون نظارت به شمار می آید. خوشه بندی و دسته بندی برای بهبود بازایابی، تبلیغات و مدیریت ارتباط با مخاطبین و به طور خاص مشتریان کاربرد دارد.
۲-۹- خلاصه فصل
