This study focuses on profiling profitable hotel customers by RFM analysis, which is a data mining technique. In RFM analysis, Recency, Frequency and Monetary indicators are employed for discovering the nature of the customers. In this study, the actual CRM data belong to three five-star hotels operating in Antalya, Turkey were used. Analysis results showed that 369 profitable hotel customers were divided into eight groups: ‘Loyal Customers’, ‘Loyal Summer Season Customers’, ‘Collective Buying Customers’, ‘Winter Season Customers’, ‘Lost Customers’, ‘High Potential Customers’, ‘New Customers’, and ‘Winter Season High Potential Customers’. Majority of the customers (36%) were positioned at ‘Lost Customers’ segment, who stay for shorter periods, spend less than other groups and tend to come to the hotels in the summer season. Results indicated that RFM effectively clusters the customers, which may lead hotel top managers to generate new strategies for increasing their abilities in CRM

چکیده

این تحقیق برروی ایجاد پروفایل مشتریانِ سودآورِ هتل با استفاده از آنالیزِ RFM تمرکز دارد که یک تکنیک داده کاوی می باشد. اخیراً در آنالیزِ RFM، از شاخص های تاخر (تازگی)، فراوانی (تناوب) و ارزش مالی جهت شناخت ماهیتِ مشتریان استفاده می شود. در این تحقیق، از داده های حقیقیِ CRM (مدیریت ارتباط با مشتری) که متعلق به سه هتل پنج ستاره فعال در ترکیه - شهر آنتالیا است، استفاده شده است. نتایج این آنالیز نشان داد که 369 مشتریِ سودآورِ هتل به هشت گروه تقسیم می شدند: ‘مشتریان وفادار (ثابت) ’، ‘مشتریان ثابتِ فصل تابستان’، ‘مشتریانی که خرید انبوه انجام می دهند’، ‘مشتریانِ زمستانی’، ‘مشتریانِ ازدست رفته ’، ‘مشتریان بالقوه’، ‘مشتریانِ جدید’ و ‘مشتریان زمستانی بالقوه’. اکثر مشتریان (36%) در ردۀ ‘مشتریان ازدست رفته’ قرار می گیرند که برای مدتهایی کوتاه تر می مانند و کمتر از دیگر گروهها پول خرج می کنند و می خواهند که در فصل تابستان به هتل بیایند. نتایج نشان داد که RFM مشتریان را بطور موثری خوشه بندی می کند که این باعث می شود تا مدیرانِ ارشد هتل راهبردهای نوینی برای افزایش قابلیت هایشان در CRM ایجاد کنند.

1-مقدمه

در شرایط رقابت سخت جهانی، مدیران بایستی از فرصت هایی که دارای قابلیت بالای بازگشت سرمایه در یک چهارچوب زمانی هستند، استفاده کنند. برای این منظور، داده هایی که درطول فعالیت های روزانه به دست آمده اند و برای مقاصدِ مدیریت ارتباط با مشتری (CRM) ذخیره شده اند، بایستی به اطلاعات سودمندی تبدیل گردند. اطلاعات بدست آمده از این داده ها ممکن است همچنین ریسک های مدیریتی را کاهش و اثربخشیِ راهبردهای CRM را افزایش دهند...