Please use this identifier to cite or link to this item: http://essuir.sumdu.edu.ua/handle/123456789/72737
Or use following links to share this resource in social networks: Recommend this item
Title Evolution of Customer Segmentation in the Era of Big Data
Other Titles Еволюційний розвиток сегментації споживачів в епоху Big Data
Authors Verdenhofs, A.
Tambovceva, T.
ORCID
Keywords сегментація
Big Data
прогнозна модель
дерево рішень
програмне середовище RapidMiner
segmentation
Big Data
predictive modelling
decision tree
RapidMiner
Type Article
Date of Issue 2019
URI http://essuir.sumdu.edu.ua/handle/123456789/72737
Publisher Sumy State University
License
Citation Verdenhofs, A., & Tambovceva, T. (2019). Evolution of Customer Segmentation in the Era of Big Data. Marketing and Management of Innovations, 1, 238-243. http://doi.org/10.21272/mmi.2019.1-20
Abstract Розвиток інформаційних технологій (ІТ) спричиняє збільшення масиву даних (Big Data), які необхідно генерувати, зберігати та обробляти для задоволення потреб споживачів. При цьому сегментація, як один із маркетингових інструментів, може сприяти розвитку торговельної діяльності організації та отриманню вигід від неї. Поряд із цим автори зазначають, що маркетологам та особам, які приймають рішення, важливо розуміти основні принципи прогнозного моделювання та аналізу Big Data з точки зору сегментації ринку. Результати дослідження свідчать, що маркетинг та ІТ поєднуються внаслідок дайджиталізації, а статистика набуває все більшого значення завдяки зростанню Big Data та можливостей інтелектуального їх аналізу. Метою даного дослідження є формування принципів поділу споживачів на відповідні сегменти, використовуючи прогнозне моделювання на основі Big Data компанії. Вихідні данні для дослідження надані небанківською кредитною установою Латвії АТ «4finance». Таким чином, у ході дослідження, процес інтелектуального аналізу даних описаний та виконаний на основі інформації, наданої вищезазначеною компанією. З метою здійснення інтелектуального аналізу даних та виокремлення сегментів клієнтів автори використали програмне середовище RapidMiner та застосовували методологію інтелектуального аналізу даних CRISP-DM. У ході дослідження для оцінки економічного ефекту від створеної моделі сегментації споживачів (11321 споживача), автори перевірили три види діяльності компанії. У ході дослідження усіх клієнтів було поділено на дві групи відповідно до створеної прогнозної моделі: перша група складається із клієнтів, які згідно прогнозам, стануть неактивними, тоді як друга група представлена клієнтами, пасивність яких не передбачалась. Окрім цього, усіх клієнтів було поділено на три групи, які містять аналогічний розподіл за очікуваним результатом. Таким чином, на основі отриманих результатів дослідження автори виявили загальні характеристики сегментації та прогнозного моделювання. На основі результатів проведеного емпіричного дослідження авторами визначено, що створення споживчих сегментів є можливим за допомогою прогнозної моделі високої складності, не використовуючи при цьому статистичних кодів програмного забезпечення. Так, результати дослідження дають підстави стверджувати, що впровадження сегментації на основі інтелектуального аналізу даних та прогнозного моделювання можуть принести економічні вигоди організації у ключових сферах її діяльності. Таким чином, створена у ході дослідження модель сегментації демонструє економічні вигоди для компанії. Автори зазначають, що даний сегментаційний підхід можна використовувати у різних сферах бізнесу.
The development of information technology (IT) causes an increase in the amount of data to be created, stored and processed for the needs of various organizations. Segmentation is one of the marketing tools can help the organization to promote sales activities and benefit from it. It is important for marketing practitioners and decision makers to understand the concept of predictive modelling and have an understanding of how to use big data for segmentation purposes. Marketing and Information Technology are blending due to digitalization, statistics is becoming more important due to the rise of big data and data mining opportunities. Boarders of different disciplines are becoming vaguer and interconnection of disciplines can be observed more often. The purpose of the study is to create customer segments based on predictive modelling by using big data available in an organization. Data for modelling is used from a non-banking lending company based in Latvia AS 4finance. The process of data mining is described and performed in the study using data provided by the company. For the data mining process and the development of customer segments, the authors selected RapidMiner Studio software and used CRISP-DM data mining methodology. Three types of activities were tested to evaluate the economic benefit of created segmentation model on overall 11321 customers. All customers were segmented into two groups based on the created predictive model – one group contained customers that were predicted to become an inactive and second group with customers that were not predicted to become inactive. All customers were split into three groups containing a similar split of predicted outcome. Three different types of activities were performed with all three groups. As a result, common characteristics of segmentation and predictive modelling were identified. The results of the empirical study show that it is possible to create customer segments by using sophisticated predictive model. This can be achieved without having to write statistical software codes. The study results also show that the organization can benefit from the implementation of segmentation based on data mining and predictive modelling in key business areas. Segmentation model created during research show economic benefit for the company. Authors also indicate that this segmentation approach can be replicated in different business areas.
Appears in Collections: Маркетинг і менеджмент інновацій (Marketing and Management of Innovations)

Views

Algeria Algeria
1
Angola Angola
178539
Argentina Argentina
1
Australia Australia
-372345295
Austria Austria
-18276009
Azerbaijan Azerbaijan
1
Bahrain Bahrain
1
Bangladesh Bangladesh
1691277521
Belgium Belgium
-372345302
Brazil Brazil
37294
Brunei Brunei
1
Cameroon Cameroon
1035430166
Canada Canada
1224694318
Chile Chile
-377372280
China China
-1347092150
Colombia Colombia
48755
Costa Rica Costa Rica
1
Czechia Czechia
-18275951
Denmark Denmark
-18275975
Dominican Republic Dominican Republic
87409
Ecuador Ecuador
1
Egypt Egypt
-1347092142
El Salvador El Salvador
55841
Ethiopia Ethiopia
214113
Finland Finland
193095
France France
-372345299
Georgia Georgia
115830
Germany Germany
-18275956
Ghana Ghana
2058357038
Greece Greece
-926417751
Guam Guam
1
Hong Kong SAR China Hong Kong SAR China
-18275984
Hungary Hungary
42025
Iceland Iceland
1
India India
-18275950
Indonesia Indonesia
1224694311
Iran Iran
-18275994
Iraq Iraq
-1347092147
Ireland Ireland
80302
Israel Israel
1758843620
Italy Italy
-377372288
Japan Japan
197332
Kenya Kenya
-377372278
Latvia Latvia
88291
Lithuania Lithuania
-135493666
Malaysia Malaysia
1088513056
Maldives Maldives
1
Malta Malta
1
Mauritius Mauritius
161838
Mexico Mexico
2098885672
Moldova Moldova
1
Mongolia Mongolia
1
Montenegro Montenegro
1
Mozambique Mozambique
1
Nepal Nepal
1666651922
Netherlands Netherlands
1224694315
New Zealand New Zealand
1691277509
Nicaragua Nicaragua
1
Nigeria Nigeria
148803
North Macedonia North Macedonia
1
Norway Norway
-926417754
Oman Oman
1
Pakistan Pakistan
-1996852477
Peru Peru
127577
Philippines Philippines
1088513068
Poland Poland
93201
Portugal Portugal
-1347092145
Romania Romania
171456
Russia Russia
1
Saudi Arabia Saudi Arabia
-377372282
Seychelles Seychelles
1
Singapore Singapore
143313
Slovakia Slovakia
2098885665
Slovenia Slovenia
1493049436
South Africa South Africa
-18275986
South Korea South Korea
176174
Spain Spain
51173
Sri Lanka Sri Lanka
-1347092149
Sudan Sudan
-18275960
Sweden Sweden
-926417741
Switzerland Switzerland
369910520
Taiwan Taiwan
-372345271
Thailand Thailand
-18275964
Trinidad & Tobago Trinidad & Tobago
1
Tunisia Tunisia
282642713
Turkey Turkey
114372
Ukraine Ukraine
72346
United Arab Emirates United Arab Emirates
105093
United Kingdom United Kingdom
1224694322
United States United States
1761404566
Unknown Country Unknown Country
-18275966
Vietnam Vietnam
-1347092146
Zambia Zambia
1

Downloads

Algeria Algeria
1
Angola Angola
1
Australia Australia
-926417753
Austria Austria
2098885671
Bangladesh Bangladesh
1732665833
Barbados Barbados
1
Belarus Belarus
1
Belgium Belgium
-372345301
Brazil Brazil
26480
Bulgaria Bulgaria
1
Cameroon Cameroon
1
Canada Canada
1224694319
Chile Chile
1
China China
1088513076
Colombia Colombia
369910535
Cyprus Cyprus
1
Denmark Denmark
1346994478
Ecuador Ecuador
1
Egypt Egypt
2098885682
Finland Finland
107689
France France
2098885683
Germany Germany
120317
Ghana Ghana
1
Hong Kong SAR China Hong Kong SAR China
-18275983
India India
-18275961
Indonesia Indonesia
-377372281
Iran Iran
-18275970
Iraq Iraq
1
Ireland Ireland
50840
Israel Israel
1
Italy Italy
170626
Japan Japan
1
Jordan Jordan
1
Kenya Kenya
369910562
Latvia Latvia
163180
Lithuania Lithuania
2058357045
Malaysia Malaysia
1088513055
Maldives Maldives
1
Mexico Mexico
2098885673
Netherlands Netherlands
-926417762
New Zealand New Zealand
1691277503
Pakistan Pakistan
69452
Philippines Philippines
1088513070
Poland Poland
23356
Portugal Portugal
1224694321
Romania Romania
1
Russia Russia
32585
Saudi Arabia Saudi Arabia
-926417742
Serbia Serbia
1
Singapore Singapore
164848
Slovakia Slovakia
1
Slovenia Slovenia
1493049437
South Africa South Africa
45250
South Korea South Korea
74244
Spain Spain
-1347092161
Sri Lanka Sri Lanka
1
Sweden Sweden
29367398
Taiwan Taiwan
1
Thailand Thailand
1
Trinidad & Tobago Trinidad & Tobago
1
Tunisia Tunisia
-18275968
Turkey Turkey
-18275971
Ukraine Ukraine
184901
United Arab Emirates United Arab Emirates
167491
United Kingdom United Kingdom
1224694320
United States United States
1761404567
Unknown Country Unknown Country
127921
Vietnam Vietnam
-18275991
Zimbabwe Zimbabwe
1

Files

File Size Format Downloads
Verdenhofs_ММІ_01_2019.pdf 236,15 kB Adobe PDF -270923893

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.