Ir al menú de navegación principal Ir al contenido principal Ir al pie de página del sitio

Vol. 15 Núm. 3 (2014)

Investigación

Programa para la identificación del comportamiento del cliente de mipymes con base en la recencia, frecuencia y magnitud de las transacciones

  • Omar Jácome Ortega
    • ,
  • Mariella Jácome Ortega

Omar Jácome Ortega
Universidad Católica de Santiago de Guayaquil.

Mariella Jácome Ortega
Universidad Católica de Santiago de Guayaquil.

PDF

Resumen

Se desarrolló un programa para la identificación del comportamiento con base en la recencia, frecuencia y magnitud de las transacciones y la clasificación de los clientes de acuerdo con la fase del ciclo de vida. Se enfocó el desarrollo del programa a las empresas comerciales micro, pequeñas y medianas empresas (MIPYMES). Se determinó los principales métodos de cálculo que definen las tres variables independientes objeto de estudio: recencia, frecuencia y magnitud. La variable dependiente será la de segmentos, que es la que recoge los comportamientos tipos de los clientes. Se desarrolló un programa que funciona como aplicativo de una hoja de cálculo electrónica de Microsoft Excel, que compila la operación y cálculo de las variables definidas. Se concluye que el programa alcanzado beneficia a empresas comerciales de la ciudad de Guayaquil, Ecuador, con un alto número de transacciones, considerando que se realizaron dos pruebas que comprendieron la validación del aplicativo con las bases de datos de transacciones de empresas ecuatorianas, obteniendo resultados satisfactorios en el conocimiento de los clientes y su posición en cada una de las empresas.

Palabras clave

Software, Ciclo de Vida, Recencia, Frecuencia, Magnitud, Desarrollo Tecnológico.

Citas

  1. Chang, EC., Huang, SC., Wu, HH., Lo, CF. (2007). A case study of applying spectral clustering technique in the value analysis of an outfitter’s customer database. Industrial Engineering and Engineering Management IEEE International Conference on, 1743 - 1746. Singapure.
  2. Chang, EC., Huang, SC., Wu, HH. (2010). Using K-means
  3. method and spectral clustering technique in an outfitter’s value analysis. Qual Quant., 44(4), 807-815.
  4. Chiliya, N., Herbst, G., Roberts-Lombard, M. (2009). The impact of marketing strategies on profitability of small grocery shops in South African townships. Afr. J. Bus. Manage, 3 (3), 70-79.
  5. Database Marketing Institute. (2012). Recuperado el 29 de Junio de 2012, de http://www.dbmarketing.com/2010/03/rfm-for-windows-4-5-trial-software/
  6. Fader, P. S. & Bruce, G.S. (2001), Forecasting Repeat Sales at CDNOW: A Case Study, Interfaces, (31), Part 2 of 2, S94-S107.
  7. Hernández, R., Fernández, C. & Baptista, P. (2007). Fundamentos de metodología de la investigación. Madrid: McGraw Hill Interamericana de España S.A.
  8. Blattberg, R. C., Getz, G. & Thomas, J. S. (2001). Edición ilustrada, Harvard Business Press, Customer equity: building and managing relationships as valuable assets, (pp.228).
  9. Huang, S.C., Chang, E.C. & Wu, H.H. (2009). A case study of applying data mining techniques in an outfitter’s customer value analysis. Expert Syst. Appl., 36: 5909-5915.
  10. Jonker, J.J., Piersma, N. & Potharst, R. (2006). A decision support system for direct mailing decisions. Decis. Support Syst., 42, 915-925.
  11. Just RFM. (2012). Just RFM. Recuperado el 29 de Junio de 2012, de www.justrfm.com
  12. Hung, C. & Tsai, C. (2008). Market segmentation based on hierarchical self-organizing map for markets of multimedia on demand. Expert Syst. Appl., 34(1), 780-787.
  13. Kotler, P. & Keller, K. (2011). Marketing Management, Fourteenth Edition, New Jersey: Prentice Hall.
  14. Kotler, P. & Armstrong, G. (2013). Principles of Marketing, Fifteenth Edition, New Jersey: Prentice Hall.
  15. Mutandwa, E., Kanuma, N.T., Rusatira, E., Kwiringirimana, T., Mugenzi, P., Govere, I. & Foti, R. (2009). Analysis of coffee export marketing in Rwanda: Application of the Boston consulting group matrix, Afr. J. Bus. Manage, 2(4), 210-219.
  16. Schneider, D.I. (2004). An introduction to programming using Visual Basic 6.0, Edición 4, ilustrada, Prentice Hall.
  17. Sohrabi, B. & Khanlari, A. (2007). Customer lifetime value (CLV) measurement based on RFM model. Iranian Acc. Aud. Rev., 14(47): 7-20.
  18. SPSS Inc. (2012). SPSS RFM. Recuperado el 29 de Junio de 2012, de http://web.udl.es/Biomath/Bioestadistica/SPSS/v17/SPSS%20EZ%20RFM%2017.0.pdf
  19. Wu, H.H. & Pan, W.R. (2009). An integrated approach of Kano model and ANOVA technique in market segmentation – a case of a coach company. J. Stat. Manage. Syst., 12(4), 679-691.
  20. Wang, C.H. (2010). Apply robust segmentation to the service industry using kernel induced fuzzy clustering techniques. Expert Syst. Appl., 37, 8395-8400.
  21. Yeh, I.C., Yang, K.J. & Ting, T.M. (2009). Knowledge discovery on RFM model using Bernoulli sequence. Expert Systems with Applications: An International Journal, Volumen 36.

Cómo citar

Jácome Ortega, O., & Jácome Ortega, M. (2015). Programa para la identificación del comportamiento del cliente de mipymes con base en la recencia, frecuencia y magnitud de las transacciones. Alternativas, 15(3), 5–12. Recuperado a partir de https://editorial.ucsg.edu.ec/ojs-alternativas/alternativas/article/view/26

Descargar cita

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.

Artículos similares

1 2 3 4 5 6 7 8 9 10 > >> 

También puede {advancedSearchLink} para este artículo.