طبقه بندی مشتریان محصول گوشت شناسنامه دار و بدون‌شناسنامه با استفاده از تکنیک داده‌کاوی

فصلنامه علمی -پژوهشی تحقیقات اقتصاد کشاورزی

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 11 خرداد 1404

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.30495/jae.2025.33487.2444

نویسندگان

رویا اشراقی سامانی^{* 1}؛ ایمان رادی پور کاوکانی²؛ بیتا رحیمی بدر³

¹گروه اقتصاد کشاورزی، واحد کرج، دانشگاه آزاد اسلامی، کرج ، ایران

²گروه اقتصاد کشاورزی، ,واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

³گروه اقتصاد کشاورزی، واحد کرج، دانشگاه آزاد اسلامی، کرج، ایران

تاریخ دریافت: 11 خرداد 1403،  تاریخ بازنگری: 16 دی 1403،  تاریخ پذیرش: 11 خرداد 1404 

چکیده

تقسیم‌بندی مشتریان یکی از خلاقانه‌ترین راه‌هایی است که به کسب و کارها کمک می‌کند بینش عمیق‌تری در مورد رفتار خرید مشتریان یافته و کمپین های بازاریابی مناسب را راه اندازی نموده و به مشتریان هدف دست یابند. داده کاوی راه حل موثری برای بهبود کارایی و اثربخشی صنعت خرده فروشی است. مدل RFM در این تکنیک می تواند مشتریان را با استفاده از داده های انبوه مربوط به تراکنش های خرید به طور دقیق تقسیم بندی کند. در این پژوهش با بهره گیری از مدل RFM رفتار مشتریان فروشگاه های زنجیره ای شهروند تهران مورد بررسی قرار گرفت.

نتایج خوشه بندی نشان داد تعداد خرید، ارزش خرید و توالی خرید مشتریان وفادار و خوب برای گوشت‌های شناسنامه‌دار و دارای برچسب حاوی اطلاعات ضروری بیشتر از گوشت بدون‌شناسنامه است. همچنین درصد مشتریان گذری و موقت در میان خریداران گوشت شناسنامه‌‌دار بیشتر از گوشت بدون‌شناسنامه است. بنابراین می‌توان گفت مشتریان وفادار و ثابت فروشگاه‌های مورد مطالعه نیز نبوده‌اند، بیشتر گوشت‌های دارای برچسب اطلاعاتی را ترجیح داده‌اند. این نتیجه ناشی از این مطلب است که اطمینان از سالم بون مواد غذایی مصرفی، ازجمله ترجیحات اکثریت مصرف‌کنندگان مراجعه‌کننده به فروشگاه‌های مورد مطالعه است بنابراین به دنبال کسب اطلاعات بیشتر در مورد کیفیت، اصالت، مبدا و روش تولید محصولاتی هستند که خریداری می‌کنند.

عنوان مقاله [English]

Classification of meat customers with ID cards and without ID cards using data mining technique

نویسندگان [English]

ROYA ESHRAGHI SAMANI¹؛ Iman Radipour Kavkani²؛ bita Rahimibadr³

¹Department of agricultural economics

²Agricultural Economics, Karaj Branch, Islamic Azad University, Karaj, Iran.

³Economics, Karaj Branch, Islamic Azad University, Karaj, Iran.

چکیده [English]

Introduction and Objective: Customer segmentation is one of the most innovative ways to help businesses gain deeper insights into purchasing behavior and launch appropriate marketing campaigns to reach target customers. Data mining is an effective solution to improve the efficiency and effectiveness of the retail industry. RFM model, as an effective method, can predict customer behavior using massive data related to purchasing transactions and improve decision-making processes in businesses.

Materials and Methods: This research used the RFM model and the K-Means algorithm to analyze customer behavior at Shahrvand chain stores in Tehran. customers of Tehran's Shahrvand chain stores (Majidiyeh, Jomhouri, Rah-Ahan, Adl, and Shemiran Center) who purchased meat from these five branches of Shahrvand chain stores between June 1401 and the end of March of the same year were clustered based on their purchasing behavior.This research used the RFM model and the K-Means algorithm

Finding: The clustering results showed that the number of purchases, purchase value, and purchase sequence of loyal and good customers for certified meats and meats with labels containing essential information is higher than for meat without a certificate. Also, the percentage of transient and temporary customers among buyers of meat without a certificate is higher than that of certified meat. Therefore, it can be said that loyal and regular customers of the studied stores preferred most meats with information labels. This result is because ensuring the safety of the food consumed is among the preferences of the majority of consumers visiting the studied stores, so they seek to obtain more information about the quality, authenticity, origin, and production method of the products they purchase.



Discussion and conclusion: The clustering results showed that the number of purchases, purchase value, and purchase sequence of loyal and good customers for certified meats and meats with labels containing essential information is higher than for meat without a certificate. A significant percentage of customers in both product groups are at risk of leaving, requiring the marketing team to adopt appropriate and targeted strategies by considering the customers' purchase history and characteristics and providing incentives for repurchasing and returning to the store.