نمودار شماره ۴٫۸٫۴، نشان دهنده نمودار تجمعی منفعت برای گروه مشتریان متمایل به رویگردانی در تکنیک جنگی تصادفی و نمودار شماره ۵٫۸٫۴، نشان دهنده نمودار تجمعی منفعت در تکنیک درخت‌های فزاینده می باشد. خط قطری در نمودار تجمعی منفعت که خط پایه نامیده می شود، نشان دهند فعالیتی غیر هدفمند است که به صورت تصادفی زیر مجموعه ای از مشتریان را به عنوان رویگردانان بالقوه انتخاب می کند.در صورتی که فعالیت غیر هدفمند، s% از کل مشتریان را به صورت تصادفی انتخاب کند. این مجموعه شامل s% از کل رویگردانان واقعی خواهد بود. [۵۳]

در این نمودار محور x نشان دهنده درصد انتخابی از کل مشتریان ( در این مورد ۱۵۸۴ مشتری موجود) و محور y نشان دهنده درصد شمول از کل رویگردانان (در این مورد ۴۶۹ رویگردان) است. همان طور که این نمودار نشان می دهد با کاربرد این مدل به منفعت بیشتری نسبت به خط پایه ( انتخاب تصادفی) دست خواهیم یافت. نمودار تجمعی منفعت مورد نظر در نمودار ۴٫۸٫۴ نشان داده شده است.
نمودار شماره۴٫۸٫۴٫ نمودار تجمعی منفعت برای گروه مشتریان متمایل به رویگردانی در تکنیک جنگل تصادفی
نمودار شماره۵٫۸٫۴٫ نمودار تجمعی منفعت برای گروه مشتریان متمایل به رویگردانی در تکنیک درخت های فزاینده
اهمیت هر یک از متغیر‌های پیش‌بینی در تکنیک جنگل نصادفی در نمودار ۶٫۸٫۴ نشان داده شده است. همان گونه که مشاهده می‌شود در تکنیک جنگل تصادفی مهمترین و ۱۰ متغیر اول را متغیر های رفتاری تشکیل می‌دهند.
نمودار شماره ۶٫۸٫۴٫ اهمیت متغیر های پیش بینی حاصل از نرم افزار RM
این نتایج به وضوح نشان می‌دهد که متغیر‌های رفتاری مهمتر از متغیر‌های دموگرافی می‌باشند. در میان متغیرهای رفتاری، طول ارتباط فعال مشتری با سازمان، واریانس فاصله زمانی بین خرید، تناوب نسبی و ارزش پولی مهمترین پیش‌بینی کنندگان برای جدا سازی مشتریان وفادار از مشتریان متمایل به رویگردانی می‌باشند. سایر متغیرهای وفاداری مانند متوسط فاصله زمانی بین خریدهای متوالی مشتریان و وزن محصولات خریداری شده توسط مشتری نیز از اهمیت برخوردارند. میزان تاثیر شش متغیر اول در شناسایی مشتریان رویگردان و وفادار در قالب نمودار‌های گرافیکی در پیوست الف آمده است.
۹٫۴ . ارزیابی کیفی
به منظور بررسی کارایی و کاربردی بودن مدل توسعه داده شده در سازمان مورد بررسی برای پیش‌بینی رفتار رویگردانی مشتریان، جلسه ای با حضور نخبگان سازمان برگزار شد. دراین جلسه به بررسی وضعیت فعلی مدیریت رویگردانی مشتریان در سازمان و مدل پیشنهادی این پژوهش پرداخته شد. برخی از نظرات ارائه شده به شرح زیر می باشد:
کاربرد مدل پیشنهادی امکان شناسایی مشتریانی را که در ریسک ترک سازمان قرار دارند فراهم می‌آورد. در واقع با این ابزار امکان شناسایی رویگردانان بالقوه فراهم شده و سازمان می‌تواند با اقدامات پیشگیرانه از رویگردانی مشتریان جلوگیری کرده و نرخ نگهداری مشتریان را افزایش دهد.
در سازمان مورد بررسی مکانیزم و فرایند شفافی جهت مدیریت رویگردانی مشتریان و شناسایی مشتریانی که در ریسک ترک سازمان می‌باشند وجود ندارد. از اینرو سازمان با خطر از دست دادن مشتریان خود به ویژه مشتریان با ارزش مواجه است. بنابراین مدل توسعه داده شده در این پژوهش می تواند ابزار مفیدی برای سازمان بوده به گونه‌ای که از آن برای شناسایی و حفظ مشتریانی که در ریسک رویگردانی قرار دارند بهره جوید.
بخش‌بندی مشتریان بر اساس ارزش، با استراتژی سازمان که تمرکز بر مشتریان کلیدی با ارزش است همراستا بوده و به افزایش کارایی فرایند مدیرت رویگردانی و استفاده بهتر از منابع سازمان جهت حفظ و نگهداری مشتریان کمک خواهد کرد. همچنین، توسعه مدلی که در تعیین ارزش مشتریان افزون بر شاخص ارزشی پیشنهاد شده در این پژوهش – تناوب خرید- شاخص‌های ارزشی دیگری را به ویژه در خصوص ارزش آفرینی‌های نامحسوس مانند تبلیغات زبانی^[۱۰۵] در بر داشته باشد، کارایی بخش بندی ارزشی مشتریان را افزیش خواهد داد. با این وجود، تعریف ارائه شده برای ارزش گذاری مشتریان در این پژوهش، تعریفی قابل قبول بوده و توسعه آن مستلزم در اختیار داشتن اطلاعات بیشتری است که تاکنون در سازمان جمع آوری نشده است.
پراکندگی بسیار زیاد در رفتار خرید مشتریان که ناشی از ویژگی‌های محصولات ارائه شده توسط سازمان است، مسئله رویگردانی مشتریان را بسیار پیچیده می سازد. با توجه به این که در این صنعت مشتریان می‌توانند نیاز خود را از جنیدین تامین کننده تامین نمایند، تعیین واقعه رویگردانی بسیار مشکل است. دسترسی به اطلاعات کامل در مورد رفتار خرید مشتریان که محدود به رفتار خرید مشتری با این سازمان نبوده و شامل رفتار خرید وی در ارتباط با رقبا نیز می باشد، امکان ارائه تعریف بهتر و دقیق‌تری را از رویگردانی مشتریان فراهم ساخت. با این وجود، با توجه به محدودیت های اطلاعاتی موجود در سازمان که تنها در بردارنده اطلاعات مشتری در این سازمان است، تعریف ارائه شده، تعریفی قابل قبول و کاربردی برای سازمان محسوب شده که توسعه آن مستلزم افزایش اطلاعات در مورد رفتار خرید مشتریان است.
در نظر گرفتن عواملی مانند خصوصیات سازمان مانند اندازه سازمان، پروژه‌های سازمان، میزان تاثیر گذاری مشتریان بر سایر مشتریان، رضایتمندی مشتریان، تغییرات محیطی در بازار مانند رفتار مشتری در شرایط رونق و رکود اقتصادی می تواند به تقویت مدل پیش‌بینی کمک کند. هر چند این کار مستلزم تقویت کردن پایگاه‌های اطلاعاتی فعلی سازمان و کسب اطلاعات مورد نیاز در زمینه های مذکور است.
در میان محصولات ارائه شده در این سازمان، گروه محصولات لبنی و گوشتی محصولات استراتژیک سازمان بوده و اهره های قوی رقابتی سازمان را تشکیل می‌دهند. نتایج حاصل از این پژوهش، که نشانگر وجود نوعی رابطه همبستگی قوی منفی بین گروه محصولات مذکور و تمایل مشتریان به رویگردانی است، موید تقویت استراتژی کنونی سازمان است.
۱۰٫۴ . بهبود پیش بینی مشتریان رویگردان با سیستم ترکیبی
عملکرد تکنیک های دسته بندی در پیش بینی رویگردانی را می توان با توجه به نرخ هشدارهای نادرست^[۱۰۶] و نرخ فقدان هشدار^[۱۰۷] مورد بررسی قرار داد. نرخ هشدار نادرست، نشان دهنده درصدی از غیر رویگردانان است که به نادرستی توسط تکنیک پیش‌بینی به عنوان رویگردان معرفی شده‌اند. نرخ فقدان هشدار، نشان دهنده درصدی از پیش‌بینی‌های تکنیک مورد استفاده است که در شناسایی رویگردانان با شکست مواجه شده است. اگر نرخ هشدار نادرست بالا باشد، هزینه لازم برای نگهداری مشتریان وفادار افزایش می‌یابد؛ در صورتی که اگر نرخ فقدان هشدار بالا باشد، هزینه فرصت به علت عدم نگهداری و رویگردانی مشتریان افزایش می‌یابد. [۵۳] با توجه به این که در این پژوهش، در سازمان مورد بررسی هزینه نگهداری یک مشتری بسیار کمتر از هزینه جذب مشتری جدید است، هدف روش مورد استفاده برای پیش بینی رویگردانی باید رسیدن به حداقل مقدار قابل دستیابی در نرخ فقدان هشدار باشد، درحالی که نرخ هشدار نادرست در سطح قابل قبولی نگه داشته شود.
از این رو به منظور کاهش نرخ فقدان هشدار و افزایش کارایی سیستم پیش‌بینی، استفاده از یک سیستم ترکیبی براساس جنگل تصادفی، یکی دیگر از تکنیک های دسته بندی و نظر خبرگان پیشنهاد می شود.در چنین سیستمی یک مشتری زمانی به عنوان رویگردان معرفی می‌شود که هر دو تکنیک دسته بندی رای به رویگردانی آن مشتری دهد و زمانی مشتری وفادار خواهد بود که رای هر دو تکنیک بر این مهم باشد. در چنین شرایطی تعداد مشتریان رویگردانی که مدل آنها را به صورت نادرست وفادار معرفی کرده کاهش می‌یابد. در شرایطی که یکی از مدل ها مشتری را به عنوان رویگردان و دیگری مشتری را به عنوان وفادار معرفی نماید، برچسب مشتری به نامشخص تغییر کرده و صدور رای نهایی به عهده نظر خبرگان خواهد بود. در این صورت نرخ فقدان هشدار کاهش یافته و نرخ هشدار نادرست در تعادل باقی می‌ماند. در مدل پیش بینی ترکیبی داده های مستریان به صورت مستقل توسط هر کدام از تکنیک های جنگل تصادفی و درخت های فزاینده مورد بررسی قرار می گیرد. هر مدل با توجه به ویژگی ها و پردازش داده های ورودی، یک مشتری به به عنوان وفادار و یا رویگردان معرفی می نماید. به گونه ای که اگر مشتری در مدل مورد بررسسی وقادار تشخیص داده شود، برچسب به آن اختصاص داده می شود در غیر این صورت برچسب مشتری خواهد بود. پس از اینکه پردازش هر دو تکنیک و برچسب گذاری مشتریان پایان یافت، از یک سیستم ترکیبی برای انتخاب آرا استفاده می شود. در صورتی که هر دو مدل یک مشتری را رویگردان معرفی کرده باشند و در این صورت مدل ترکیبی به مشتری برچسب رویگردان و در صورتی که هر دو مدل مشتری را وفادار معرفی کرده و ، آنگاه مشتری را وقادار معرفی می کند. در صورتی که حداقل یکی از مدل های پیش بینی ، مشتری را به عنوان رویگردان شناسایی کند ، مدل ترکیبی به مشتری را در ریسک رویگردانی معرفی خواهد کرد. در شکل شماره ۱٫۱۰٫۴ شمای مدل ترکیبی تشخیص ریسک رویگردانی نشان داده شده است.

شکل شماره ۱٫۱۰٫۴٫ مدل ترکیبی تشخیص ریسک رویگردانی
۱۱٫۴ . مقایسه مدل های معرفی شده
در بخش های پیش به طور کامل به بررسی مدل های مورد استفاده در این مطالعه پرداخته شد که بر این اساس سه مدل آموزش یافته بر اساس جنگل‌های تصادفی، درخت‌های فزاینده و مدل Hybrid با انتخاب منطقی تعریف شد. همچنین میزان دقت هر مدل بر اساس مجموعه داده های مورد استفاده به اختصار تشریح شد. داده های مورد استفاده در این مطالعه بر اساس روش Hold Out به صورت تصادفی با نرخ ۷۰ به ۳۰ به مجموعه داده های آموزش و تست تقسیم بندی شده و سپس مدل بر اساس آنها پیاده سازی شد . صرف نظر از این نکته که دقت به دست امده از این سه مدل تا حدودی می تواند نشان دهنده عملکرد بهتر هر مدل باشد ولی نمی توان به صورت قطعی بر اساس دقت مدل ها با قطعیت بالا تصمیم گیری نمود. بنابراین به منظور افزایش قدرت تصمیم گیری و بررسی دققتر عملکرد هر مدل از روش زیر برای مقایسه بین مدل ها استفاده شده است.
۱٫۱۱٫۴٫ تعیین مجموعه داده‌های آزمون و توزیع مربع کای
یکی از مهم‌ترین مسائل موجود در آمار استنباطی، آزمون فرض‌های آماری است که در تصمیم‌گیری بسیار حائز اهمیت است. یکی از مسائل موجود در آزمون فرض ارائه یک معیار برای پذیرفتن و یا رد کردن فرض است. یکی از معیارهایی که جهت انجام آزمون فرض معرفی شده‌است، P- value است. یک فرض آماری ادعایی در مورد یک یا چند جمعیت مورد بررسی است که ممکن است درست یا نادرست باشد. به عبارت دیگر فرض آماری یک ادعا یا گزاره‌ای در مورد توزیع یک جمعیت یا پارامتر توزیع یک متغیر تصادفی است. برای بررسی یک فرض آماری پس از انجام یک آزمایش تصادفی، اگر نتیجه آزمایش تفاوت «معنی داری» با آنچه که مورد اتتظار^[۱۰۸] است، داشته باشد در صورتی که فرض مورد نظر را صحیح فرض شده باشد ، فرض را رد کرده و در غیر این صورت پذیرفته می شود. [۵۴]
بنابراین با طرح یک آزمون آماری در این جا برای هر سه مدل و محاسبه P-value و با تفسیر آن به مقایسه بین مدل ها پرداخته می شود.
به منظور تعیین داده های مورد نیاز برای این آزمون آماری، مجموعه داده های مورد استفاده بر اساس اعتبار سنجی متقاطع n تایی^[۱۰۹] به طور تصادفی به مجموعه های دیتاست محدودی با اندازه مساوی شکسته می شود. هر یک از این مجموعه ها در ادامه به عنوان یک مجموعه اعتبار سنجی به کار خواهد رفت. از ۱۵۸۴ داده مورد استفاده در این مطالعه ۵۲ دیتا ست با اندازه ۳۰ برای مجموعه آموزش و تست ایجاد شده است . دقت هر مدل برای هم مجموعه داده های تست و هم مجموعه داده های آموزش به صورت جداگانه محاسبه شده است. دقت محاسبه شده در مجموعه داده های تست و آموزش برای هر مدل در پیوست آ نشان داده شده است.
بر اساس دقت به دست آمده از مدل در مجموعه داده های تست و آموزش به صورت جداگانه با بهره گرفتن از توزیع مربع کای بر اساس رابطه زیر ، مقدار p-Value برای هر مدل اندازه گیری شده است.
مقادیر برای هر سه مدل برابر زیر می باشد.
(r=5)= 8.5643
(r=5) = 6.6425
(r=3)= 9.5775
≅ ۰٫۲
≅ ۰٫۲
≅ ۰٫۰۲
بر اساس مقادیر P-Value به دست آمده برای هر مدل، نشان داده شده است که مدل Hybrid برای پیش بینی مدل رویگردانی مشتریان بهتر عمل می کند. در شکل‌های شماره ۱٫۱۱٫۴ و ۲٫۱۱٫۴ و ۳٫۱۱٫۴ نمودار توزیع داده ها توسط مربع کای نیز نشان داده شده است.
شکل شماره ۱٫۱۱٫۴٫ نمودار توزیع مربع کای برای جنگل تصادفی
شکل شماره ۲٫۱۱٫۴٫ نمودار توزیع مربع کای برای درخت های فزاینده
شکل شماره ۳٫۱۱٫۴٫ نمودار توزیع مربع کای برای مدل Hybrid

سرانجام فصل
در این فصل متدولوژی ارائه شده برای مدل سازی هدفدار رفتار رویگردانی مشتریان به روی داده‌های ۵۰۷۷ مشتری در شرکت پخش و توزیع ارومیه وابسته به گروه صنایع غذایی سولیکو پیاده سازی شد. در ابتدا به جمع‌ آوری داده‌های مورد نیاز، شامل اطلاعات رفتاری و دموگرافی مشتریان، پرداخته شد. در مرحله آماده سازی داده‌ها، پاکسازی داده، تبدیل و یکپارچگی و کاهش بعد انجام پذیرفت و تعداد ۱۸ متغیر به عنوان متغیر های پیش‌بینی ایجاد گردید. سپس با تعریف تناوب خرید به عنوان شاخص تعیین ارزش مشتریان، گروه مشتریان با ارزش با ۱۵۸۴ مشتری شناسایی شد.
در مرحله بعد با بهره گرفتن از متعیر های پیش‌بینی و تکنیک دسته بندی جنگل تصادفی به دسته بندی مشتریان پرداخته شد. بررسی عملکرد مدل به دست آمده نشانگر آن است که پیش‌بینی رویگردانی مشتریان با ارزش یک استراتژی حیاتی برای سازمان محسوب می شود.
بررسی نتایج حاکی از آن است که طول ارتباط فعال با مشتری، وارریانی فاصله زمانی بین خرید مشتریان و تناوب نسبی بهترین پیش‌بینی کنندگان برای جداسازی مشتریان وفادار از مشتریان متمایل به رویگردانی می‌باشد.
فصل پنجم : نتیجه گیری و پیشنهاد ها
روند تشدید رقابت و کاهش نرخ وفاداری مشتریان در دهه‌ های اخیر، به ظهور پارادایمی در حوزه بازاریابی منجر شده که سازمانها را به گذار از رویکرد محصول محوری و اتخاذ نگرش مشتری محوری ترغیب می‌کند. در چنین شرایطی تنها تکیه بر تکنولوژی پیشرفته و کیفیت بالا برای حفظ مشتریان کافی نمی‌باشد زیرا رقبا نیز به سرعت در حال پیشرفت بوده و به زودی به همان سطح خواهند رسید. مشتریان نیز به طور مداوم از طریق کانال‌های ارتباطی متنوع اطلاعات مورد نیاز خود را کسب می‌کنند. این افزایش دانش موجب می‌شود تا مشتری از گزینه‌های جدید در بازار آگاهی یافته و در نتیجه وفاداری او به سازمان کاهش یابد.
از دست دادن مشتری، نه تنها باعث ایجاد هزینه، به علت فروش از دست رفته می‌شود، بلکه در این شرایط نیاز به جذب مشتری جدید نیز به وجود خواهد آمد و این درحالی است که هزینه جذب مشتریان جدید ۵ تا ۶ برابر بیشتر از هزینه نگهداری مشتریان فعلی است. سنگ‌بنای راهبرد‌های مدیریت ارتباط با مشتری به صورت کلی و راهبرد‌های حفظ مشتری به صورت جزئی از آن را دانش مشتری تشکیل می‌دهد. دانش مشتری به الگوهایی که ترجیحات واقعی رفتار وی را آشکار می‌نمایاند، گفته می‌شود. این دانش در کسب‌وکار های کوچک با تعداد محدود مشتری ماحصل هوش تجاری صاحب حرفه می‌باشد اما در‌ کسب‌و‌کارهای بزرگ که سازمان از سیستم های اطلاعاتی گسترده‌ای بهره می‌گیرد، داده کاوی نقش تولید سیستماتیک هوش تجاری را بر عهده می‌گیرد.
این مطالعه سعی دارد تا با بهره‌گیری از تکنیک دسته بندی در داده کاوی بر پایه مدل RFM و طبق متدولوژی استاندارد CRISP-DM، با بررسی پایگاه داده گروه غذایی سولیکو به طراحی مدلی برای پیش‌بینی مشتریان رویگردان در سازمان بپردازد.
با پیدایش تجارت الکترونیکی، مشتریان می‌توانند راحت‌تر از بازار و فرصت‌های آن مطلع شوند. توقعات آنها بیشتر و بیشتر می‌شود و تمایل بیشتری را برای تغییر دادن تامین‌ کننده فعلی خود و انتخاب یک تامین کننده جدید از خود نشان می‌دهند. این باعث شده است که پدیده‌ای به نام رویگردانی مشتری به وجود بیاید.
در مطالعات پیشین مشاهده می‌شود که تعریف واقعه رویگردانی به شکل قراردادی بوده و تعریف یکسان و مشترکی که در همه صنایع قابل‌ کاربرد باشد، وجود ندارد. در واقع، واقعه رویگردانی به شکل قراردادی توسط خبرگان هر صنعت و سازمان خاص با توجه به ویژگی‌های محیط آن صنعت و سازمان تعریف می‌شود. مطالعه وو و چن نشان می‌دهد، مشتریانی که به تازگی از سازمان خرید کرده‌اند با احتمال بیشتری نسبت به مشتریانی که زمان زیادی از آخرین ارتباط آنها با سازمان سپری شده است، فعال باقی خواهند ماند. در نتیجه هر اندازه میزان تأخر‌ مدت زمان سپری شده از آخرین تراکنش مشتری با سازمان‌ کمتر باشد، احتمال وفادار باقی ماندن مشتری بیشتر است. بنابراین مشتریان منبع نهایی رشد تمام کسب‌وکارها محسوب می‌شوند و از آنجایی که ارزیابی رفتار آنها دارای اهمیت بسزایی است، روش‌های متعددی جهت محاسبه ارزش دوره عمر مشتری وجود دارد. برخی محققین بر اساس ارزش فعلی، ارزش بالقوه و وفاداری، مشتریان را بخش‌بندی نموده‌اند.
در فرایند پیش بینی مشتریان رویگردان و وفادار، ابتدا لازم است که فرایندی که در طی آن مشتری وفاداریش را به سازمان از دست می‌دهد و تمایل به رویگردانی پیدا می‌کند مشخص شود. در این مطالعه از آنجایی که زمان دقیق رویگردانی مشتری مشخص نیست بنابراین سازمان نیاز دارد از زنده بودن ارتباط مشتری با سازمان اطمینان حاصل نماید. در این گونه صنایع، مشتریان در فواصل بازه زمانی نا‌منظمی شروع به ارتباط با سازمان می کند و ممکن است خرید خود را به صورت نامنظم تکرار کند. بنابراین برای دسته بندی دودویی مشتریان به دو گروه متمایل به رویگردانی و وفادار، از مقایسه تاخر مشتری در خریدهای گذشته او استفاده شده است. به گونه‌ای که اگر تاخر مشتری از بیشترین فاصله زمانی بین دو خرید متوالی مشتری در گذشته بیشتر باشد، آن مشتری الگوی ثابت خرید خود را تغییر داده و متمایل به رویگردانی می‌باشد.