نشریه تخصصی مهندسی صنایع، دوره 48، شماره 1، فروردین ماه 1393، از صفحه 23 تا 36
رویکردي نوین در بخش بندي مشتریان مخابرات تلفن ثابت با به کارگیري
RFM مدل

فروغ ایسوند1 و منیره حسینی*2
دانش آموخته کارشناسی ارشد مهندسی فناوري اطلاعات- گرایش تجارت الکترونیکی دانشگاه صنعتی خواجه نصیرالدین طوسی
استادیار بخش مهندسی فناوري اطلاعات- دانشکده مهندسی صنایع دانشگاه صنعتی خواجه نصیرالدین طوسی
(تاریخ دریافت 4/8/92، تاریخ دریافت روایت اصلاح شده 12/11/92، تاریخ تصویب 17/12/92 )

چکیده
در محیط به شدت رقابتی امروز، مشتریان، مهم ترین سرمایه هر کسب و کاري محسوب می شوند. از این رو درك رفتـار مشـتریان بـرايایجاد راهبردهاي بازاریابی اثربخش به منظور حفظ آنها بسیار ضروري است. یکی از رایجترین روش ها براي تحلیل رفتار مشتریان، بخش بنـديبازار است. این کار که با تقسیم بازار به چندین گروه همگن کوچک تر، به سازمانها در ارائه تکنیکهاي بازاریـابی هدفمنـد یـاري مـیرسـاند . تقسیم بندي بهینه مشتریان بر مبناي ویژگی هاي مرتبط، می تواند به تخصیص بهینه منابع سازمان کمک کند. در این مقاله، چارچوب دوبعدي جدیدي بر اساس مدل RFM براي بخش بندي مشتریان مخابرات تلفن ثابت ارائه میدهیم که در آن مشتري را بر اساس وضـعیت کـارکرد و بدهکاري، همزمان از دو بعد ارزش و ضد ارزش سنجیدهایم. در انتها نیز بر اساس بخش بندي انجام گرفته بـا کمـک تکنیـک هـاي داده کـاوي ، راهبردهایی براي برخورد با هر یک از گروههاي مشتري، ارائه شده است.

واژه هاي کلیدي: بخشبندي مشتریان، دادهکاوي، مدل RFM، صنعت مخابرات، چارچوب دوبعدي

جزییات تماس5 و غیره را ذخیره میکنند. این پایگاههاي غنی میتوانند براي تحلیلهاي چندجانبه مشتریان به کار روند. کاربرد دادهکاوي در مدیریت ارتباط با مشتریان، میتواند به این سازمانها اجازه دهد تا با درخورسازي6 خدمات، سود بیشتري از مشتریان حاضر کسب کنند ،مشتریان با ارزش خود را حفظ کنند و نیز بتوانند در جذب مشتریان جدید از سایر رقبا پیشی بگیرند[3].
دادهکاوي با اهداف مختلفی در مخابرات استفاده شدهاست. از جمله آن اهداف، بخشبندي مشتریان براي بازاریابی هدفمند است. از منظر کسبوکار، همه مشتریان ارزش یکسانی ندارند. به همین دلیل براي تشخیص مشتریان کلیدي، دادههاي مربوط توسط سازمانها مورد ارزیابی قرار میگیرند تا بتوانند نخست با مشتري روابط بلندمدت برقرار کنند و دوم اینکه با هر یک از آنها ،مطابق ارزشی که براي سازمان ایجاد میکنند، برخورد کنند. بخش بندي بازار، یکی از روشهاي شناخت مشتري است که هدف آن گروهبندي مشتریان با نیازها و رفتار همان طور که سود حاشیه سازمانهاي مخابراتی در اثر رقابت شدید در بازار کاهش مییابد ،راهبردهاي حفظ مشتري نقش پررنگتري در تداوم این سازمانها مییابند. در این مسیر، رفتار مشتري و شناخت آن براي چیره شدن بر چنین چالشهایی، راهحلی کلیدي محسوب می شود[1]. این سازمانها میتوانند پایگاه دادههاي خود را به مزیت رقابتی کسب و کارشان تبدیل کنند؛ به گونه اي که با بهرهمندي از آنها سودآوري مشتریان را بیشتر کنند[2].
سازمانهاي مخابراتی روزانه حجم وسیعی، داده ،تولید و ذخیره میکنند و از آنجایی که که تحلیل چنین حجم وسیعی از دادهها به طور دستی، کار بسیار دشواري است، این سازمانها جزو اولین صنایعی هستند که تکنیکهاي دادهکاوي را به کار بردهاند. پایگاههایی از انبوه دادههاي مشتري در این سازمانها هستند که داده هاي متنوعی از مشتریان در زمینههاي جمعیت-شناختی1، حساب2، کاربري سرویس3، صورتحساب4،
مقدمه* نویسنده مسئول: تلفن: 02188678582 Email: [email protected]

دادهها شامل مصرف سرویس و جزییات تماس مثل فرکانس استفاده از هر سرویس ، میانگین میزان پرداخت ،ARPU، میانگین زمان تماس و غیره [١١]
دادههاي تماس و سرویس مانند فرکانس پیامک، میانگین زمان تماس شهري، تعداد تماس شهري، میانگین زمان بین شهري، تعداد تماس بین شهري و غیره [١٢]

دو دسته ویژگی: اطلاعات ارزش مشترك، اطلاعات رفتاري مشترك (ولی در مورد جزییات آنها توضیح نداده است). [١٣]
4 دسته از داده شامل:
سرویس: چه سرویس هایی را استفاده میکند.
درآمد: میزان درآمد مربوط به تماس و هر یک از سرویس ها مصرف: میزان مصرف هر یک از سرویس ها و نحوه تماس ها مشترك: سن، جنسیت، نوع مشترك و غیره [١۴]
میانگین طول تماس، میانگین میزان پیامک، درآمد ماهیانه، محدودیت اعتبار و غیره [١۵]
نوع مشترك، نحوه پرداخت، میزان مصرف هر یک از سرویسها و تماس صوتی و نیز درآمد حاصل از هر یک و غیره [١۶]

دادهها شامل: تعداد شکایات، پکیج سرویس مورد استفاده، میانگین تماس، پکیج پیامک مورد استفاده، تعداد پیامک ها و غیره [١٧]

دادههایی مثل سن، جنس و نیز اطلاعاتی مثل میانگین کل زمان تماس ،میانگین تماس هاي خارج از شبکه و غیره [١٨]

میانگین تماس، تعداد دفعات قطع، مرکز سرویسدهی، کدپستی، نوع تخفیف، کد صنعت(نوع مشترك)، جنسیت(مرد، زن، سازمان) و غیره [١٩]

داده هاي جزییات تماس شامل طول تماس، تعداد تماس، میانگین پالس و غیره، همچنین دادههایی مانند تعداد دورههاي قطعی، تعداد دفعات پرداخت، نوع مشترك(مسکونی یا تجاري) و غیره [٢٠]

مجموع ارزش تازگی کارکرد مشتري در طول دوره زمانی T، مجموع ارزش پولی کارکرد مشتري در طول دوره زمانی T، تکرار کارکرد، شیب رفتار خرید در طول دوره زمانی T [٢١]

وفاداري(بر اساس تعداد دورههاي کارکرد مشتري، تعداد دورههایی که تلفن مشتري قطع بوده و تعداد دورههایی که مشتري کارکرد نداشته است)، ارزش فعلی(برابر با میانگین کارکرد مشتري/ تعداد دورههاي کارکرد)، ارزش بالقوه(برابر با میانگین میزان کارکرد* میزان وفاداري) [٢٢]

تعداد دورههایی که هر مشترك در بررسی شرکت داشته است، میانگین کارکرد هر دوره، تعداد دورههایی که مشترك بدهی داشته است، آخرین دورهاي که مشترك بدهی داشته است، تعداد دورههایی که تلفن مشترك قطع شده است، آخرین دورهاي که تلفن مشترك قطع شده- است. [٢٣]

کارکرد پیام ماهانه( هر ماه از فروردین تا بهمن؛ به صورت یک مشخصه جداگانه بودهاست)، کارکرد تماس ماهانه( هر ماه از فروردین تا بهمن؛ به صورت یک مشخصه جداگانه بودهاست)، میزان کل کارکرد در طول 11 ماه به صورت دو مشخصه : مجموع پیامک هاي ارسالی ، مجموع تماس صوتی. [٢۴]

شاخص هاي تحلیل مورد استفاده مقاله
دادههاي مربوط به نوع و مصرف هر سرویس( پیامک، تماس صوتی ،سرگرمی، دیتا و غیره) [١]
دادهها شامل طول تماس، تعداد تماس ها در ماه، تعداد پیامک ها و غیره [٣]
اطلاعات ارزشی: شامل هزینههاي ماهیانه و سرویسهاي ارزش افزوده
اطلاعات رفتاري: مثل طول تماس، تعداد تماس، تعداد شماره تلفنهاي مختلفی که با مشترك تماس گرفته و غیره [٧]
تحلیل مشتریان بر اساس مدل RFM با به کارگیري دادههاي مربوط به جزییات تماس: فرکانس تماس، تازگی تماس، ارزش پولی تماس. [٨]
اطلاعات دموگرافیکی و سرویس مثل جنسیت، تعداد سرویسهاي مورد- استفاده، روش پرداخت، نوع شارژ ماهیانه وغیره [٩]

دادههاي رفتاري مشتري مثل میانگین شارژ تماس شهري در ماه ،
میانگین شارژ تماس بینشهري در ماه، میزان شارژ پیامک در ماه، میزان شارژ سرویس در ماه و غیره
داده هاي رفتار تماس مانند میانگین طول تماس شهري در ماه، میانگین طول تماس بین شهري در ماه، میانگین زمان شارژ هر سرویس در ماه و غیره [١٠]
خرید مشابه، براي حداکثرکردن پاسخ به برنامههايبازاریابی هدفمند است. یکی از روشهاي بخشبندي ،بخش بندي دادهمحور7 است که با استفاده از تکنیکهاي مختلف آماري و دادهکاوي انجام میگیرد؛ این تکنیک در بسیاري از تحقیقات در حوزه مخابرات انجام گرفته است[24،1 -3]. مطالعات مختلفی که براي تحلیل مشتریان در صنعت مخابرات انجام گرفته است، از شاخصهاي مختلفی استفاده کردهاند که در جدول (1) به مرور این شاخصها پرداختهایم.
یکی از مدلهاي مطرح در تحلیل رفتار مشتریان ،مدل RFM است که بر اساس سه عامل تازگی8، ارزش پولی9 و تکرار10 خرید، براي هر مشتري ارزش متفاوتی قائل است. یکی از کاربردهاي این مدل، بخشبندي مشتریان براي تعیین سیاستهاي بهینه بازاریابی است[25]. بر این اساس، در این تحقیق چارچوبی نو براي بررسی رفتار مشترکین سازمان در نظر گرفتیم که در آن به شیوه اي جدید از مدل RFM براي تحلیل مشترکین بهره بردهایم.
در ادامه مقاله، رویکرد پیشنهادي براي بخشبندي مشتریان تشریح شده و پس از آن، مدل پیشنهادي، در یکی از زیرمجموعههاي مشترکین مخابرات تلفن ثابت بررسی قرار خواهد شد و نتایج حاصل از آن، براي پیشنهاد سیاستهاي بازاریابی به کار برده خواهد شد. در انتها نیز جمع بندي مطالب بیان می شود.

جدول1: شاخص هاي تحلیل مشتریان مخابرات در ادبیات مروري

مدل پیشنهادي
همان طور که در بخش قبل گفته شد، مطالعات مختلفی که براي تحلیل مشتریان در صنعت مخابرات انجام گرفتهاند، از شاخصهاي مختلفی استفاده کردهاند. در این تحقیق براي استخراج و اعتبارسنجی شاخص ها اقدامات مختلفی انجام شده است که به ترتیب عبارتند از:
مرور مقالات موجود در زمینه تحلیل مشترکینمخابرات: این اقدام براي شناخت شاخصهاي مؤثر در رفتار مشترکین انجام شد.
شناخت دادههاي موجود در سازمان مخابراتی مورد مطالعاتی: هدف، استفاده از شاخصهاي شناسایی شده با توجه به دادههاي در دسترس است.
بررسی نظرات خبرگان سازمان در رابطه با مشترکین سازمان: دو مسئله مهم در سازمان براي شناسایی مشترك ارزشمند این است که نخست، سهم هر مشتري در ایجاد درآمد سازمان، با توجه به روابط فعلی که با سازمان دارد چگونه است(کارکرد مشترکین براي سازمان ایجاد درآمد می کند، زیرا به نسبت کارکردي که از تلفن خود دارند، باید مبلغی را به سازمان پرداخت کنند)، دوم اینکه وضعیت بدهکاري مشترك چگونه است. مشترکی که مبلغ کارکرد بالاتر و دوره هاي بدهکاري کمتري داشته باشد ارزشمندتر است.
آمادهسازي دادهها و انجام چند سري خوشه بندي: با توجه به مراحل قبل، شاخصهاي مختلفی مثل جمع کارکرد سالانه، میانگین کارکرد سالانه، جمع بدهکاري سالانه، میانگین بدهکاري، تعداد دوره کارکرد و بدهکاري و غیره ساخته شد و با به کارگیري آنها، خوشهبنديهاي متعددي انجام گرفت. خوشهبندي نهایی این مرحله، حاصل از سه شاخص تکرار کارکرد، تازگی کارکرد و ارزش مشتري (میانگین کارکرد دوره- میانگین بدهی دوره) انجام شد.
بررسی نتایج خوشه بندي و جمع آوري نظرات خبرگان براي اعتبارسنجی شاخصها: از آنجایی که خوشههاي حاصل(خوشهبندي نهایی مرحله قبل)، چشمانداز روشنی از میزان بدهی و کارکرد هر گروه از مشترکین در اختیار ما قرار نمیداد، در مرحله بعد دو مدل RFM مجزا با نام RFM کارکرد و RFM بدهکاري، براي تحلیل کارکرد و بدهی مشترکین تشکیل دادیم. خوشههاي حاصل به دلیل داشتن چندین ویژگی معتبر بود: مشترکی که مبلغ کارکردي و تکرار بالاتري داشته باشد، ارزشمندتر است. اگر مشترك جدیدي با مبلغ کارکردي بالا وجود داشته باشد، با وجود اینکه تکرار کارکرد بالایی
ندارد، باید جزو گروههاي باارزش مشترکین قرارگیرد، که این تمایز با استفاده از شاخص تازگی در نتایج خوشهبندي وجود داشت. مشترکینی که میانگین کارکردي و تکرار مشابهی داشته باشند، باید با توجه به اینکه زمان کارکرد کدام یک به زمان جاري نزدیکتر است، متمایز شوند که این نیز توسط شاخص تازگی در نتایج خوشهبندي ظاهر شده است.
خوشههاي بدهکاري نیز به دلایل مشابه بالا، معتبر بودند.
با این اقدامات، در نهایت چارچوبی نو براي بررسی رفتار مشترکین سازمان در نظر گرفتیم که در آن به شیوهاي جدید از مدل RFM براي تحلیل مشترکین مخابرات تلفن ثابت رسیدیم. مدل RFM پیشنهادي براي سنجش این دو معیار، در جدول (2) آورده شده است. سپس به منظور خوشهبندي مشتریان بر اساس این معیارها (جدول 2)، دو رویکرد را در پیش گرفتیم؛ یک بار خوشهبندي را با استفاده از مجموع فیلدها به صورت یکجا(RFM کارکرد و بدهی) و یک بار نیز خوشهبندي معیارهاي کارکرد و بدهی را به طور جداگانه انجام دادیم که نتایج حاصل از رویکرد دوم، مطلوبتر واقع شدند(از نظر جدایی منطقی خوشهها از هم) که در ادامه مقاله ،فقط نتایج مربوط به رویکرد دوم بیان می شود.

جدول 2: شاخصهاي پیشنهادي خوشهبندي بر اساس مدل RFM
توضیح شاخص معیار
میانگین مبلغی کارکردي که مشترك در هر دوره براي سازمان داشته چقدر است.
در چند دوره مشترك کارکرد داشته است.
آخرین دورهاي که مشترك کارکرد داشته در چه دورهاي بوده است. ارزش کارکرد

تکرار کارکرد
تازگی
کارکرد خوشه بندي بر اساسرفتار کارکرد

به طور میانگین بدهی مشترك در دوره هاي بدهکاري اش چقدر است.
در چند دوره مشترك بدهی داشتهاست.
آخرین دورهاي که مشترك بدهی داشته در چه دورهاي بوده است. ضدارزش بدهی

تکرار بدهی تازگی بدهی خوشه بندي بر اساسرفتار بدهکاري
*اگر مبلغ بدهی مشتري بیشتر از 50000 ریال بوده، آن دوره جزو دورههاي بدهکارياش حساب می شود.

چارچوب طی شده تحقیق براي تحلیل مشترکین، درشکل1 نشان داده شده است. قابل ذکر است از آنجایی که براي سازمان، رفتار کارکردي مشترك نسبت به رفتار بدهکاري او مهمتر محسوب میشود، این معیار خوشه بندي، بعد اصلی رفتاري مشترك را تشکیل می دهد. همچنین خوشهبندي با توجه به رفتار کارکردي مشترك، با توجه به درآمدي که براي سازمان ایجاد می کند، خوشهبندي ارزشی و رفتار بدهکاري مشترك با توجه به هزینههایی که براي سازمان دارد، خوشهبندي ضد ارزشی نامیده شدند.

شکل1:مراحل طی شده براي تحلیل مشتریان مطالعه موردي مدل پیشنهادي
ارائه سرویس تلفن ثابت در ایران، در اختیار یک سازمان است و از این رو این سازمان آسوده خاطر به حرکت آرام خود ادامه می دهد و این مسئله مهم را نادیده گرفته است که اپراتورهاي تلفن همراه مثل ایرانسل ،همراه اول، رایتل و غیره رقباي خطرناکی براي آن محسوب میشوند و میتوانند سهم بازار و سهم درآمدي عمدهاي را از آن بگیرند؛ چرا که تلفن همراه میتواند جایگزینی براي تلفن ثابت به شمار آید. افزایش کاربران اینترنت و امکان استفاده از چت صوتی و تصویري نیز میتواند در کاهش درآمد تلفن ثابت سهم داشته باشد. جذب مشتري بسیار پرهزینهتر از نگهداري مشتریانفعلی است[۶٢] و نیز با توجه به افزایش رقابت بین سازمانهاي فعال در بخش خدمات، حفظ مشتریان فعلی اهمیت ویژه اي دارد. از این رو شناسایی مشتریان براي حفظ و حتی بهبود ارزش آنها از مسائل چالشبرانگیز در تصمیمات تأثیرگذار این سازمان است. در حال حاضر خدمات و سرویسها به صورت کاملاً مشابه به همه مشتریان ارائه میشود. هدف در این مطالعه شناخت مشتریان براي اجراي بازاریابی هدفمند است.

منبع داده اي
سازمانهاي مخابراتی از پایگاه هاي غنی مربوط به مشتري بهره مندد. قبل از تحلیل داده، ابتدا لازم است پایگاه دادههاي موجود در سازمان را شناسایی کرده تا بتوانیم دادههاي مناسب براي تحلیل را انتخاب کنیم. دادههاي موجود در سازمان را میتوان به پنج دسته تقسیمبندي کرد: دادههاي جمعیت شناختی، حساب ،کاربري سرویس، صورت حساب و جزئیات رفتار تماس.
دادههاي این تحقیق، از یکی از زیر مجموعههاي مخابرات تلفن ثابت کشور تأمین شدهاند. سازمان مورد بررسی، حدود 70000 مشترك مسکونی دارد. در این تحقیق از دادههاي صورتحساب یک سال مشتریان براي خوشهبندي آنها استفاده کردهایم. این مجموعه داده شامل فیلدهاي شماره دوره حساب، میزان کارکرد مشترك، بدهی قبلی و مبلغ قابل پرداخت است. سپس در خوشههاي حاصل، رفتار تماس بین شهري و مصرف سرویس را بر اساس دادههاي موجود، بررسی کردیم. جدول(3) شامل اطلاعات آماري این مجموعه با توجه به شاخصهاي خوشهبندي است.

جدول3: اطلاعات آماري مجموعه داده
مد میانه میانگین
6 6 4,5 فرکانس
کارکرد
6 6 4,9 تازگی کارکرد
8658 0 ١٢٧١٨ میانگین
کارکرد
0 0 1,3 فرکانس بدهی
0 0 2,1 تازگی بدهی
0 0 12463 میانگین بدهی
مدل سازي
انتخاب الگوریتم خوشه بندي: با هر سه الگوریتم kmeans Two-Steps ,SOM خوشهبندي انجام شد. نتایج حاصل از خوشهبندي هر سه الگوریتم در جدول(4) نشان داده شده است. همان طور که در جدول نشان داده شده است، به وضوح نتایج حاصل از دو الگوریتم kmeans و SOM براي این مجموعه داده، ناکارآمد بوده است (زیرا بخش اعظم داده ها در یک خوشه قرار میگرفتند)، بنابراین مدل سازي نهایی طبق Two-Steps انجام گرفت.

انتخاب تعداد خوشه ها و بررسی کیفیت خوشه ها: براي هر نوع خوشه بندي (ارزشی و ضد ارزشی) بازهاي از تعداد خوشهها در نظر گرفته شده و سپس هر دسته از خوشه ها مطابق با مقادیر فیلدهاي آن، جدایی منطقی خوشه ها از هم و نیز همسویی با فعالیتهاي بازاریابی بررسی شدند تا بدین ترتیب تعداد مناسب خوشهها انتخاب شد (الگوریتم Two-Steps به طور اتوماتیک می تواند تعداد خوشهها را تشخیص دهد، ولی ما به آن بسنده نکردیم و بازهاي از تعداد خوشهها را تحلیل کردیم). الگوریتم Two-Steps بر اساس معیارهاي ارزشی، با سه تا هفت خوشه و بر اساس معیارهاي ضد ارزشی، با دو تا پنج خوشه اجرا شد (این تعداد طبق اهداف کار و نظراتخبرگان تعیین شدند).
یافته ها
با به کارگیري الگوریتم Two-Steps، در نهایت مشتریان سازمان مخابراتی مورد مطالعه، به شش خوشه کارکردي و سه خوشه بدهکاري تقسیم شدند. نتایج این خوشهبندي ها در جدول (5) آمده است.
در مرحله بعد، این دو نوع خوشهبندي را بر هم نگاشت کرده تا گروههاي رفتاري مشتریان را مشخص کنیم. نتیجه نگاشت در شکل (2) قابل مشاهده است. اعداد درون هر سلول، بیانگر جمعیت و درصد جمعیت آن گروه است. با توجه به جایگاه خوشههاي ارزش و ضد ارزشی در شکل2، با حرکت به سمت چپ، کارکرد بیشتر شده و با حرکت به سمت بالا بدهی کمتر میشود. تلاش سازمان باید به گونهاي باشد که گروههاي مشتریان را به سمت گروههاي سمت بالاي شکل و بخصوص گروههاي سمت چپتر سوق دهد. به عبارت دیگر، برنامههاي بازاریابی باید به گونهاي تدوین شوند که نخست، مشترکین را به کارکرد بیشتري سوق دهند و دوم اینکه با مشترکین بدهکار به گونهاي برخورد شود که به جاي تمایل به سمت گروههاي کارکردي کمتر، بدهی خود را پرداخت کنند و (حداقل) به گروه هاي سمت راستیتر
نپیوندند.

خوشه هاي کارکردي

خوشه

هاي

بدهکاري

خوشه

هاي

بدهکاري

بالا
(R5) خوب
(R4) متوسط (R3) کم
(R2) جزئی
(R1) صفر
(R0)
415( ٠.59 %)
3868( 5.5 %)
12464(17.9 %)
14925(21.5 %)
2999(4.32 %)
2073(2.99 %) جزئی (D0)
18(0.026 %)
248(0.35 %)
2537(3.6 %)
9337(13.4 %)
1571(2.26 %)
1410(2.03 %)
متوسط (D1)
162( 0.23 %)
1088(1.56 %)
3685(5.3 %)
2228(3.21 %)
3524(5.08 %)
6788(9.78 %) بالا
(D2) شکل2: نگاشت خوشه اي

جدول 5: نتایج خوشه بندي
شناسه خوشه ها معیار
(حداکثر- حداقل)میانگین مصرف
103938 (66864-)602754
43493 (31585-)54337
19487 (10351-)80223
6562 (3222-)32521
6461 (0-)72625
337 (0-)55362
کارکرد بالا
کارکرد خوب کارکرد متوسطکارکرد کم کارکرد جزئی کارکرد صفر
خوشه بندي ارزشی
میانگین بدهی
0
7584
42889
جزئئ متوسط بالا خوشه بندي ضد ارزشی

شکل3: میزان ARPU
با مشاهده نگاشت خوشهاي(در شکل2)، میتوان وضعیت را چنین توصیف کرد: الف) تعداد مشترکین سطح بالا بسیار کمتر از سایر دستهها بوده (جمعیت R5 حتی به یک درصد هم نمیرسد) و جمعیت گروههاي میانه ارزشی بیش از سایر گروهها است(R3 و R2). این گروهها ظرفیت بالقوه بالایی دارند، تا در آینده ارزشی بیشتر از آنچه که در حال حاضر براي سازمان ایجاد می کنند، ایجاد کنند. ب) با حرکت به سمت راست نگاشت (حرکت از گروه هاي باارزش به سمت کم ارزش) رفتارهاي ضدارزشی مشترکین نیز افزایش مییابد. پ) تعداد زیادي از مشترکین تا حدودي از دست رفته اند (R0) و هیچ اقدامی براي بازگرداندن آنها انجام نشده است. ت) در مشترکین دسته هاي بالا (R4 و R5) نیز رفتارهاي ضدارزشی مشاهده میشود که این نشانه خوبی نیست. ث)مدیریت ارزش در این مجموعه وجود ندارد، زیرا مشتریان به اندازه اي که ارزش براي سازمان ایجاد می کنند، ارزش دریافت نمیکنند. متأسفانه در این مجموعه، بر خلاف اینکه هر گروه از مشترکین، از نظر ارزشی که دارند متفاوت هستند، خدمات و امکانات برابري از مخابرات دریافت کردهاند که این وضعیت نباید ادامه یابد. ج)همچنین گروهی در مجموعه مشترکین وجود دارد(R0) که با وجود هزینه سازمان براي آنان، هیچ گونه ارزشی براي سازمان ایجاد نمیکنند.

جدول 6: شاخص هاي مخابراتی
شاخصهاي مورد استفاده تحقیق براي برآورد شاخص اصلی توضیح شاخص
*ARPU مستقیم و
غیرمستقیم در هر گروه *میزان مصرف سرویس در هر گروه
*توزیع مصرف کنندگان سرویس در گروههاي مختلف مشترکین
عبارت است از میزان درآمد ایجاد شده توسط یک مشتري (استفاده کننده از خدمات). در واقع این پارامتر امکان دنبال کردن وضعیت درآمدي شرکت را به صورت مشترك به مشترك (واحد به واحد) براي ما فراهم می کند و صاحبان و مدیران این شرکت ها همواره به دنبال این هدف هستند تا با افزایش تنوع سرویس و خدمات قابل ارائه به مشتریان خود، میزان ARPU شرکت را افزایش دهند. این تنوع سرویس همان چیزي است که در قالب سرویسهاي ارزش افزوده12 مطرح می شود[27و 28]. ARPU11
*ترافیک پالس مکالمه در بازه هاي زمانی مختلف در شبانه روز
*طول مکالمه با توجه به نوع مقصد
*میانگین طول کل مکالمات و میانگین کل زمان مکالمه در روز یکی دیگر از شاخصهاي مفید مورد استفاده در سازمانهاي مخابراتی است که بیانگر فرهنگ و الگوي مصرف یک جامعه یا مجموعه اي از مشتریان است. 14MOU را می توان در طول سال، ماه یا در یک بازه زمانی مشخص، برحسب دقیقه بیان کرد. بدیهی است که بیان MOU برحسب هر مشترك معادل باAMPU (میزان مصرف هر مشترك بر حسب دقیقه) است[28]. AMPU13

سیاست گذاري
در این سازمان، متأسفانه اولویت کار بازاریابی بر جذب مشتریان قرار داشته و میتوان گفت حفظ مشتري، کم اهمیتترین عمل در آن محسوب میشود. پس در اولین قدم، لازم است دیدگاه



قیمت: تومان


دیدگاهتان را بنویسید