کاربرد :

بخش بندی مشتریان بانک ها و موسسات مالی، موسسات بیمه، آژاش های مسافرتی، شرکت های خدمات دهنده اینترنت و تلفن همراه و سایر شرکت ها و سازمان هایی که دارای پایگاه داده اطلاعات مشتریان خود می باشند.

ضرورت استفاده از راهکار نرم افزاری گروه کوانتس:

بازاریابی نیز مانند هر علم دیگری دارای یک سری اصول اولیه می باشد. این اصول چنان محکم و قطعی هستند و در متون کلاسیک بازاریابی به آن در فصول اولیه پرداخته می شود که خدشه ناپذیر می نماید.

در حقیقت بازاریابی این گونه تعریف می شود : بخش بندی بازار به قسمت های همگون و طراحی خدمات متناسب با نیازهای هر یک از گروه ها و ارائه به آن ها.

این نرم افزار می تواند با تصویر سازی پایگاه داده، اطلاعات مورد نیاز از بخش های مختلف مشتریان که به صورت طیفی و پیوسته بخش بندی شده اند را در اختیار مدیریان بازاریابی سازمان ها قرار دهد و این عملکرد نرم افزار می توان منجر به فواید زیر در سازمان ها شود.

  • مدیراین درک بهتری از جامعه آماری مشتریان خود داشته باشند
  • مدیریان در فواصل زمانی مختلف مشتریان خود را بخش بندی نمایند و به تغییرات و روند ها در جامعه مشتریان خود واقف شوند.
  • با در نظر گرفتن معیار های مختلف جامعه آماری مشتریان خود را در قالبی ساده و قابل فهم مشاهده نمایند. به عناون مثال از نظر سن، جنس، درآمد، نوع رابطه با سازمان، میزان RFM جامعه مشتریان،میزان سودرسانی به سازمان، میزان هزینه بری، وفاداری و ...
  • بتوانند با بررسی رفتار جامعه مشتریان خود در گذشته، رفتار هر بخش از مشتریان در آینده را پیش بینی نمایند.
  • مدل های پیش بینی کننده را برای هر یک از بخش های مشتریان به صورت مجزا طراحی نمایند تا با دقت بالاتری عمل کنند.

نحوه ی کار :

هر مشتری در پایگاه داده سازمان، دارای یک سری از اطلاعات می باشد. در مصاحبه گروه کوانتس با مسئولین سازمان، و آگاهی از اهداف و نیاز ها، پارامترهای موثر و مهم شناسایی شده و از پایگاه داده استخارج می شوند.

سپس این داده ها به فراخور موقعیت پیش پرداز می شوند. به این معنی که برخی داده های کیفی کمی شده و عملیاتی نظیر جاگذاری داده های مفقوده و همچنین تغییر بازه های زمانی و نرمال سازی بر روی داده ها صورت می گیرد.

سپس با استفاده از نرم افزار بخش بندی صورت می گیرد. پس از بخش بندی مشتریان نرم افزار مدیریان را قادر می سازد با انتخاب پارامترهای مورد نظر، به برررسی تفاوت خوشه ها از منظر آن پارامتر و پارامترهای دیگر آگاهی یابند.

این نرم افزار از دو نوع تکنیک برای بخش بندی استفاده می نماید. روش های کلاسیک نظیر K-means و روش های آماری برای بخش بندی استفاده می شوند. اما در کنار این روش ها، روش های مبتنی بر هوش مصنوعی مثل نوعی شبکه عصبی و همچنین بخش بندی کننده فازی به خدمت گرفته شده اند و هر یک از این اگوریتم ها و روش ها دارای مزایا و معایبی هستند که طراحان این نرم افزار تلاش نموده اند که از مزیت های هر یک از این روش ها در جای مناسب  و به فراخور نقش در نظر گرفته شده برای آن بهره گرفته باشند.