صفحه محصول - پروپوزال پایان نامه شناسایی و تحلیل رفتار مشتریان با داده کاوی

پروپوزال پایان نامه شناسایی و تحلیل رفتار مشتریان با داده کاوی (docx) 53 صفحه

دسته بندی : تحقیق

نوع فایل : Word (.docx) ( قابل ویرایش و آماده پرینت )

تعداد صفحات: 53 صفحه

قسمتی از متن Word (.docx) :

233807021526500 دانشکدهی مهندسی صنایع و مدیریت گروه : مدیریت پایان نامه کارشناسی ارشد خوشهبندی فازی مشتریان و تحلیل رفتارآنها با رویکرد دادهکاوی پویا (مطالعه موردی : تلفن همراه سامسونگ) دانشجو : مریم علائیزاده استاد راهنما : دکتر رضا شیخ پایاننامه ارشد جهت اخذ درجه کارشناسی ارشد بهمن 1393 4794662196602مدیریت تحصیلات تکمیلیفرم شماره (6)00مدیریت تحصیلات تکمیلیفرم شماره (6)-342900-342900شماره :تاریخ :ویرایش :00شماره :تاریخ :ویرایش :بسمه تعالی فرم صورتجلسه دفاع از پايان نامه تحصيلي دوره كارشناسي ارشد با تأييدات خداوند متعال و با استعانت از حضرت ولي عصر (عج) ارزیابی جلسه دفاع از پايان نامه كارشناسي ارشد خانم مریم علائی زاده رشته MBA گرايش عمومی. تحت عنوان خوشه بندی فازی مشتریان و تحلیل رفتارآن ها با رویکرد داده کاوی پویا كه در تاريخ 28/11/1393 با حضور هيأت محترم داوران در دانشگاه صنعتي شاهرود برگزار گرديد به شرح ذیل اعلام می گردد: قبول ( با درجه : عالی امتياز : 19) دفاع مجدد مردود 1ـ عالي (20 ـ 19 ) 2ـ بسيار خوب ( 99/18 ـ 18 ) 3ـ خوب (99/17 ـ16 ) 4ـ قابل قبول ( 99/15 ـ 14 ) 5- نمره کمتر از 14 غير قابل قبول عضو هيأت داوراننام ونام خانوادگيمرتبة علميامضاء1ـ استادراهنمادکتر رضا شیخاستادیار2ـ استاد مشاورمهندس طحانیان3ـ نماينده شوراي تحصيلات تكميليدکتر سعید حکمی نسب4ـ استاد ممتحندکتر میرلوحی5 ـ استاد ممتحندکتر دهقانی رئيس دانشكده تشکرو قدردانی با سپاس از وجود مقدس آنان که ناتوان شدند تا ما به توانایی برسیم… موهایشان سپید شد تا ماروسفید شویم… و عاشقانه سوختند تا گرمابخش وجود ما و روشنگر راهمان باشند… پدر عزیزم مادر مهربانم همسر بردبارم استادانم که علم و معرفت را به من آموختند. مریم علائی زاده بهمن 93 تعهدنامه اینجانب مریم علائیزاده دانشجوی دوره کارشناسی ارشد رشته MBA دانشکده مهندسی صنایع و مدیریت دانشگاه شاهرود نویسنده پایان نامه " خوشه بندی فازی مشتریان و تحلیل رفتارآن ها با رویکرد داده کاوی پویا (مطالعه موردی : تلفن همراه سامسونگ) " تحت راهنمایی جنای آقای ذکتر رضا شیخ متعهد میشوم: تحقیقات در این پایان نامه توسط اینجانب انجام شده است و از اصالت برخوردار است. در استفاده از نتایج پژوهشهای محققان دیگر به مرجع مورد استفاده استناد شده است. مطالب مندرج در پایان نامه تا کنون توسط خود یا فرد دیگری برای دریافت هیچ نوع مدرک یا امتیازی در هیچ جا ارائه نشده است. کلیه حقوق معنوی این اثر متعلق به دانشگاه شاهرود میباشد و مقالات مستخرج با نام دانشگاه شاهرود و یا "Shahrood University" به چاپ خواهد رسید. حقوق معنوی تمامی افرادی که در به دست آوردن نتایج اصلی پایان نامه تاثیرگذار بودهاند، در مقالات مستخرج از پایان نامه رعایت میگردد. در کلیه مراحل انجام پایان نامه، در مواردی که از موجود زنده (یا بافت های آن) استفاده شده است ضوابط و اصول اخلاقی رعایت شده است. در کلیه مراحل انجام این پایان نامه در مواردی که به حوزه اطلاعات شخصی افراد دسترسی یافته و یا استفاده شده است اصل رازداری، ضوابط و اصول اخلاقی رعایت شده است. تاریخ امضای دانشجو 69215198120مالکیت نتایج و حق نشرکلیه حقوق معنوی این اثر و محصولات آن (مقالات مستخرج، کتاب، برنامههای رایانهای، نرم افزارها و تجهیزاتی که ساخته شده است) متعلق به دانشگاه شاهرود میباشد. ایم مطلب باید به نحو مقتضی در تولیدات علمی مربوطه ذکر شود.استفاده از اطلاعات و نتایج موجود در پایاننامه بدون ذکرمرجع مجاز نمیباشد. 00مالکیت نتایج و حق نشرکلیه حقوق معنوی این اثر و محصولات آن (مقالات مستخرج، کتاب، برنامههای رایانهای، نرم افزارها و تجهیزاتی که ساخته شده است) متعلق به دانشگاه شاهرود میباشد. ایم مطلب باید به نحو مقتضی در تولیدات علمی مربوطه ذکر شود.استفاده از اطلاعات و نتایج موجود در پایاننامه بدون ذکرمرجع مجاز نمیباشد. چکیده فارسی امروزه مشتری به عنوان کلید اصلی موفقیت یا عدم موفقیت یک شرکت محسوب میشود. لذا مطالعه رفتار مشتریان طی دهههای اخیر بسیار مورد توجه محققان بازاریابی قرار گرفته است. از مهمترین زمینههای مطالعه در این حوزه، بررسی وفاداری، رضایت، ترجیحات و سلیقه مشتریان میباشد که محققان تلاش میکنند تا با بکارگیری روش ها و ابزارهای مختلف رفتار مشتری را مورد تحلیل قرار دهند. این پژوهش با توجه به هدف کاربردی و از نظر روش شناسی جز تحقیقهای پیمایشی و از نظر موضوعی جز تحقیقات بازاریابی محسوب میشود. هدف اصلی این تحقیق، بخش بندی مشتریان با استفاده از تکنیک های دادهکاوی و تحلیل و پیش بینی رفتار آن ها با استفاده از الگوریتمmeans C- پویا میباشد. برای این منظور دادههای خرید 3000 نفر از کاربران گوشی همراه سامسونگ از پایگاه داده شرکت دریافت شده و پس از کد نویسی الگوریتم means – C با استفاده از نرم افزار Matlab 2008a مورد بررسی قرار گرفته است. نتایج نشان می دهد که به کارگیری روش پویا بخش بندی واقعی تری نسبت به روش ایستا ارائه می دهد همچنین تحلیل رفتار در فرایند زمانی نشان میدهد که مشتریان نسبت به قیمت گوشی حساس بوده و ویژگی های کیفیت دوربین و پردازشگر و تعداد سیم کارت و RAM علل تغییر در بخش بندی مشتریان میباشند. واژه های کلیدی: رفتار مشتری، داده کاوی پویا، خوشه بندی، FCM لیست مقالات استخراج شده از پایان نامه: رویکردی نوین در تصمیم سازی بازاریابی با تمرکز بر رفتارهای متغیر مشتریان در شرایط عدم اطمینان فهرست مطالب عنوان ....................................................................................................................................................................................................... صفحه فصل اول: کلیات تحقیق ............................................................................................................................................................................... 1 مقدمه .............................................................................................................................................................................................. 3 بیان مسئله .................................................................................................................................................................................... 4 اهمیت و ضرورت تحقیق ............................................................................................................................................................ 7 هدف تحقیق .................................................................................................................................................................................. 7 سوالات تحقیق .............................................................................................................................................................................. 8 روش تحقیق .................................................................................................................................................................................. 8 قلمرو تحقیق ................................................................................................................................................................................. 8 1-7-1- قلمرو موضوعی ................................................................................................................................................................................ 8 1-7-2- قلمرو مکانی ..................................................................................................................................................................................... 9 1-7-3- قلمرو زمانی ...................................................................................................................................................................................... 9 تعریف واژه ها و اصلاحات .......................................................................................................................................................... 9 1-8-1- داده کاوی ....................................................................................................................................................................................... 9 1-8-2- خوشه بندی ................................................................................................................................................................................... 9 1-8-3- داده کاوی پویا .............................................................................................................................................................................. 9 1-8-4- منطق فازی ................................................................................................................................................................................... 10 فصل دوم: ادبیات تحقیق ............................................................................................................................................................................ 11 2-1- مقدمه ................................................................................................................................................................................................. 13 2-2- داده کاوی ........................................................................................................................................................................................... 13 2-3- خوشه بندی ....................................................................................................................................................................................... 16 2-3-1- هدف خوشه بندی ....................................................................................................................................................................... 18 2-3-2- انواع خوشه بندی ......................................................................................................................................................................... 18 2-3-3- الگوریتم های خوشه بندی ........................................................................................................................................................ 22 2-3-4- معیار فاصله ................................................................................................................................................................................... 23 2-3-5- الگوریتم C-means ................................................................................................................................................................... 24 2-3-6- الگوریتم FCM ............................................................................................................................................................................. 25 2-4- طبقه بندی ......................................................................................................................................................................................... 29 2-5- کشف قواعد وابستگی ....................................................................................................................................................................... 30 2-6- کشف الگوهای ترتیبی ..................................................................................................................................................................... 30 2-7- داده کاوی پویا ................................................................................................................................................................................... 31 2-8- خوشه بندی پویا ............................................................................................................................................................................... 32 2-9- روش های نوین برای خوشه بندی فازی پویا ............................................................................................................................. 34 2-9-1- اختصاص اعضای پویا به کلاس های ایستا ............................................................................................................................. 36 2-9-1-1- روش به کار بردن مسیر در خوشه بندی ........................................................................................................................... 36 2-9-1-2- تشریح عملکرد c- میانگین فازی ....................................................................................................................................... 37 2-9-2- اختصاص اعضای ایستا به کلاس پویا ...................................................................................................................................... 39 2-9-2-1- شرح جزئیات روش پیشنهاد شده ........................................................................................................................................ 41 2-10- منطق فازی ..................................................................................................................................................................................... 48 2-10-1 مجموعه های فازی ..................................................................................................................................................................... 48 2-10-2- میانگین فازی ............................................................................................................................................................................. 51 2-10-2-1- میانگین مثلثی ..................................................................................................................................................................... 51 2-10-2-2- میانگین ذوزنقه ای .............................................................................................................................................................. 52 2-10-3- فازی زدایی از میانگین فازی ................................................................................................................................................... 52 2-11- بخش بندی و تحلیل رفتار مشتریان ......................................................................................................................................... 53 فصل سوم: روش تحقیق ............................................................................................................................................................................... 57 3-1- مقدمه .................................................................................................................................................................................................. 59 3-2- نوع پژوهش ........................................................................................................................................................................................ 59 3-3- روش گردآوری داده ها .................................................................................................................................................................... 60 3-4- جامعه و نمونه آماری ...................................................................................................................................................................... 61 3-5- روش تجزیه و تحلیل داده ها ......................................................................................................................................................... 63 فصل چهارم : تجزیه و تحلیل داده ها ........................................................................................................................................................ 69 4-1- مقدمه .................................................................................................................................................................................................. 71 4-2- تجزیه و تحلیل دوره ای داده ها .................................................................................................................................................... 71 4-2-1- تحلیل داده های دوره اول ........................................................................................................................................................ 72 4-2-2- تحلیل داده های دوره اول و دوم ............................................................................................................................................. 74 4-2-3- تحلیل داده های دوره اول و دوم و سوم ................................................................................................................................. 76 4-2-4- تحلیل داده های چهار دوره ...................................................................................................................................................... 78 4-2-5- تحلیل داده های پنج دوره ......................................................................................................................................................... 80 4-3- تجزیه و تحلیل تجمعی داده ها ...................................................................................................................................................... 82 4-3-1 تحلیل قطعی ................................................................................................................................................................................... 82 4-3-2 تحلیل فازی ................................................................................................................................................................................... 83 5-3- تجزیه و تحلیل تغییرات رفتاری .................................................................................................................................................... 84 فصل پنجم : نتیجه گیری و پیشنهادات ................................................................................................................................................... 87 5-1- مقدمه .................................................................................................................................................................................................. 89 5-2 - بحث و نتیجه گیری ........................................................................................................................................................................ 89 5-3- محدودیت های تحقیق .................................................................................................................................................................... 90 5-4- پیشنهادات کاربردی – مدیریتی ................................................................................................................................................... 91 5-5- پیشنهاد تحقیقات آتی ...................................................................................................................................................................... 92 پیوست ............................................................................................................................................................................................................ 93 منابع ............................................................................................................................................................................................................. 104 فهرست اشکال عنوان .................................................................................................................................................................................................... صفحه شکل (2-1) روش های داده کاوی ................................................................................................................................................ 16 شکل (2-2) خوشه بندی وسایل نقلیه ......................................................................................................................................... 17 شکل (2-3) انواع الگوریتم های خوشه بندی ............................................................................................................................. 22 شکل (2-4) معیارهای تشابه براساس توابع فاصله مختلف ...................................................................................................... 24 شکل (2-5) توزیع یک بعدی نمونه ها ........................................................................................................................................ 27 شکل (2-6) خوشه بندی کلاسیک نمونه های ورودی ............................................................................................................ 28 شکل (2-7) خوشه بندی فازی نمونه .......................................................................................................................................... 28 شکل (2-8) تشریح عملکرد FFCM ............................................................................................................................................ 39 شکل (2-9) نمای کلی روش خوشه بندی فازی پویا با تغییر ترکیب کلاس ..................................................................... 41 شکل (2-10) عدد فازی مثلثی .................................................................................................................................................... 50 شکل (4-1) خوشه بندی پویا ....................................................................................................................................................... 73 شکل (4-2) خوشه بندی ایستا...................................................................................................................................................... 73 شکل (4-3) خوشه بندی پویا چرخه 1 ..................................................................................................................................... 75 شکل (4-4) خوشه بندی ایستا چرخه 1 .................................................................................................................................... 75 شکل (4-5) خوشه بندی پویا چرخه 2 ...................................................................................................................................... 77 شکل (4-6) خوشه بندی ایستا چرخه 2 .................................................................................................................................... 77 شکل (4-7) خوشه بندی پویا چرخه 3 ...................................................................................................................................... 79 شکل (4-8) خوشه بندی ایستا چرخه 3 ................................................................................................................................... 79 شکل (4-9) خوشه بندی پویا چرخه 4 ...................................................................................................................................... 81 شکل (4-10) خوشه بندی ایستا چرخه 4 ................................................................................................................................ 81 فهرست جداول عنوان ................................................................................................................................................................................................. صفحه جدول (2-1) روش های خوشه بندی برای داده کاوی پویا .................................................................................................. 36 جدول (3-1) ویژگی های مشتریان و محصولات .................................................................................................................... 62 جدول (3-2) پایگاه داده ............................................................................................................................................................... 63 جدول (4-1) مراکز خوشه های پویا برای C=3 ...................................................................................................................... 72 جدول (4-2) مراکز خوشه های ایستا برای C=3 .................................................................................................................... 72 جدول (4-3) مجموع خطا ............................................................................................................................................................ 73 جدول (4-4) مراکز خوشه های پویا چرخه 1 .......................................................................................................................... 74 جدول (4-5) مراکز خوشه های ایستا چرخه 1 ........................................................................................................................ 74 جدول (4-6) مجموع خطای چرخه 1 ........................................................................................................................................ 75 جدول (4-7) مراکز خوشه های پویا چرخه 2 ........................................................................................................................... 76 جدول (4-8) مراکز خوشه های ایستا چرخه 2 ........................................................................................................................ 76 جدول (4-9) مجموع خطای چرخه 2 ........................................................................................................................................ 77 جدول (4-10) مراکز خوشه های پویا چرخه 3 ........................................................................................................................ 78 جدول (4-11) مراکز خوشه های ایستا چرخه 3 ..................................................................................................................... 78 جدول (4-12) مجموع خطای چرخه 3 ..................................................................................................................................... 79 جدول (4-13) مراکز خوشه های پویا چرخه 4 ........................................................................................................................ 80 جدول (4-14) مراکز خوشه های ایستا چرخه 4 ..................................................................................................................... 80 جدول (4-15) مجموع خطای چرخه 4 ..................................................................................................................................... 81 جدول (4-16) مرکز خوشه های قطعی ...................................................................................................................................... 82 جدول (4-17) مرکز خوشه های فازی ....................................................................................................................................... 83 جدول (4-18) نتایج تحلیل رفتار مشتریان .............................................................................................................................. 84 فصل اول کلیات مقدمه مطالعه رفتار مشتریان طی دهه های اخیر یکی از مهمترین موضوعات مورد توجه محققان بازاریابی بوده است. تحولات پیچیده و پرشتاب جهانی در عرصههای علمی و فناوری بسیاری از سازمانهای موفق جهانی را بر آن داشته است تا اهداف و روش های خود را در جهت شناخت هر چه بیشتر مشتریان و تامین نیازهای آنان هدایت کنند . امروزه مشتری به عنوان کلید اصلی موفقیت یا عدم موفقیت یک شرکت محسوب می شود.لذا درک رفتار مشتری از اهمیت زیادی برخوردار است . رفتار مصرف کننده یک فاکتور جامع در رکود و یا به جریان افتادن تمامی فعالیتهای بازرگانی محسوب می گردد. نکته کلیدی موفقیت استراتژی بازاریابی هم از جنبه علمی، محلی و جهانی، درک رفتار مصرف کننده و مشتری است. این امر برای شرکت های تجاری و سازمان های غیر انتفاعی و همین طور سازمان های دولتی که قوانین مربوط به بازار را تدوین می کنند، کاربرد دارد. گوناگونی و تنوع رفتار مشتریان به دلیل گوناگونی عوامل اثر گذار بر رفتار فرد و انگیزه فرد برای خرید می باشد. وجود گروه های متفاوت مشتری برای بازارهای یک محصول بیانگر تفاوت های گسترده میان افراد است. رفتار خرید به هیچ وجه ساده نیست اما درک این رفتار نیز ‏برای مدیران بسیار حیاتی است. رفتار خرید مصرف کننده (مشتری) ‎ عبارت است از رفتار خرید ‏مصرف‌کنندگان نهایی، یعنی افراد و خانوارهایی که کالا و خدمات را برای اهداف مشخصی خریداری می نمایند‎.‎رفتار به معنای شناخت فرصت‌ها و تهدیدهای بیرونی و بهره‎برداری از آنها و همچنین شناخت ضعف‌ها و قوت‌های درونی در مقابل ‏رفتار مشتری در جهت تحقق اهداف سازمان می‌باشد‎.‎برقراری ارتباط بهتر و موثر با مشتری ناشی از شناخت فرآیند رفتار مشتری، فرآیند تصمیم‌گیری و عوامل تاثیرگذار در آن و ‏همچنین شناسایی فرصت‌ها و تهدیدات و مشخص نمودن ضعف‌ها و قوت‌های داخلی در مقابل رفتار مشتری است. در شکل گیری رفتار مشتریان و بروز تغییرات در رفتار آن ها عوامل مختلفی تاثیر گذار می باشند که از جمله مهم ترین آن ها می توان به عوامل دموگرافی (مشخصات مصرف کننده)، عوامل اجتماعی عوامل روانشناسی،  عوامل اقتصادی (اسماعیل پور و آشتیانی ،1381) اشاره کرد . اما باید به اینکه توجه داشت که همه این عوامل پویا هستند و به طور مستمر در طول زمان تغییر می کنند. از این رو تغییر رفتار مشتریان نیز جنبه پویا به خود می گیرد. در فضای رقابتی امروزی شرکت ها و سازمان هایی موفق تر خواهند بود که اهداف، روش ها و عملکرد خود را بر اساس شناخت رفتار مشتریان و تحلیل تغییرات آن ها تنظیم کنند. 2.1 بیان مسئله تحقیق امروزه بسیاری از شرکت ها و سازمان ها مفاهیم جدید بازاریابی را پذیرفته اند و طبق آن عمل می کنند. آنها متوجه شده اند که تمرکز بر نیازهای مشتریان از مفروضات اصلی گرایش بازاریابی است. بدین ترتیب مطالعه و کشف نیازهای مشتریان و تجزیه و تحلیل رفتار آن ها جز وظایف اصلی واحد بازاریابی است، که در نتیجه آن سلیقه بازار هدف که از لحاظ پارامترهای سن، درآمد، ذائقه، سطح تحصیلات و ... با یکدیگر متفاوت اند، شناسایی و کالا یا خدمت مناسب به آن بازار عرضه می شود. در خصوص شناسایی و تحلیل رفتار مشتریان یکی از مهم ترین اقدامات شرکت ها، بخش بندی مشتریان به خوشه های رفتاری مختلف است که بر اساس آن سه نوع اطلاعات فراهم می شود: جهت‌گیری مشتریان واقعیت های مربوط به رفتار انسانی جایگاه و موقعیت هر محصول در بازار هدف به منظور شناسایی و تحلیل رفتار مشتریان و استخراج الگوهای رفتاری آن ها از الگوریتم های داده کاوی استفاده می شود. مسئله اصلی این است که چگونه می توان با تکنیک های داده کاوی به شناسایی و تحلیل رفتار مشتریان پرداخت. در داده کاوی فرض بر اين است که مجموعه دادههايی که قرار است هر يک از اعمال يا روش های دادهکاوی بر روی آنها اعمال گردد، بصورت ايستا در داخل يک پايگاه يا در يک فايل وجود دارند و در حين عمل دادهکاوی نيز اين دادهها تغييری نمیکنند. اين گونه فرض ها انجام عمل دادهکاوی را بسيار سادهتر مینمايد. اما نکتهای که بايد در اينجا مورد توجه قرار گيرد اين مطلب است که هر چند رفتار مشتریان بر اساس نقطه زمانی ثابت ثبت می شود اما در فرایند دوره های زمانی این رفتار متغیر است به عبارت دیگر رفتار مشتری ، گروه‌های مشتریان هدف و جامعه در کل، دائما در حال تغییر می‌باشند. لذا برای دادهکاوی بر روی دادههايی از اين دست، نمیتوان روش های سنتی و قديمی دادهکاوی را بکار برد بلکه اين نوع دادهها و مجموعه دادهها نياز به الگوريتم ها و روش های دادهکاوی پويايی دارند که از پس ويژگي های اين دادهها برآيند. بنابراين نياز به نوعی دادهکاوی پويا احساس میشود. به دنبال حذف فرض ایستا بودن داده ها در پایگاه داده، جهت بخش بندی مشتریان به خوشه های رفتاری، الگوریتم خوشه بندی فازی در داده کاوی پویا توسط ریچارد وبر در سال 2007 معرفی شد. تکنیک خوشه بندی فازی با رویکرد پویا با شناسایی رفتار مشتریان و تغییر رفتار آن ها و تحلیل روند تغییرات محیطی و ذائقه ای جامعه به مدیران و بازاریابان جهت برنامه ریزی و طراحی و توسعه محصولات یاری می رساند. با توجه به اینکه این تکنیک با رویکرد پویا رفتار جامعه را مورد بررسی قرار می دهد به سادگی می توان وضعیت کنونی را با شرایط قبلی جامعه مورد مقایسه قرار داده و تغییرات را مرحله به مرحله مشاهده نمود و بر اساس آن روند تغییرات در آینده پیش بینی شود. این در حالی است که تا کنون برای بررسی رفتار جامعه تکنیک های داده کاوی ایستا مورد استفاده قرار می گرفتند که نتایج حاصل از آن تنها یک وضعیت ثابت را نشان داده و قابلیت مقایسه و تحلیل تغییرات را نداشته اند. از آن جا که ماهیت جامعه پویا و دائما در حال تغییر می باشد، بخش بندی مشتریان با رویکرد ایستا نمی تواند اطلاعات مناسبی را جهت تصمیم گیری در اختیار مدیران قرار دهد، زیرا در گذر زمان شرایط مشتریان و ذائقه افراد هم دستخوش تغییر خواهند شد و بخش بندی قبلی کارایی خود را از دست خواهد داد مگر اینکه شرکت ها قادر باشند با انجام تحقیقات مستمر تغییرات را پیش بینی نمایند که البته این روش نیز به دلیل صرف هزینه و زمان بسیار، منطقی به نظر نمی رسد. در این پژوهش سعی بر آن است که بر اساس پارامترهای تعیین شده برای بخش بندی مشتریان، تغییرات بازار در گذر زمان به تصویر کشیده شود و رفتار هر بخش و تغییرات آن مورد بررسی قرار بگیرد، به نحوی که هم ماهیت پویای رفتار افراد و جامعه مورد توجه قرار گیرد و هم بخش های بازار بر اساس ویژگی های مشتریان و محصولات تعیین شود. استفاده از رویکرد داده کاوی پویا برای بخش بندی مشتریان به خوشه های رفتاری به جهت تحلیل رفتار مشتریان که در این تحقیق ارائه شده، بدیع و جدید بوده و تاکنون تحقیق مشابهی در این زمینه صورت نگرفته است. 3.1 اهمیت و ضرورت تحقیق محیط کسب و کار امروز ی بسیار رقابتی و پویاست و لازمه موفقیت در چنین محیطی انطباق با تغییرات است. بررسی ها نشان می دهد که تا کنون پژوهشگران از جنبه های مختلفی به موضوع بخش بندی بازار پرداخته اند و از متغیرها و تکنیک های متنوع و متفاوتی جهت پژوهش استفاده نموده اند. اما توجه به این نکته حائز اهمیت می باشد که نتایج این پژوهش ها زمانی کاربردی و مفید خواهند که ماهیت پویای جامعه در آن ها مورد توجه قرار گیرد. در میان روش ها و تکنیک هایی که تا کنون در این زمینه مورد استفاده قرار گرفته اند، داده کاوی به عنوان رایج ترین ابزار شناخته شده است. اما محدودیت مهمی که در این روش دیده می شود، فرض ثبات داده ها می باشد که سبب سهولت در کار داده کاوی می گردد ولی در بسیاری از کاربردهای دنیای واقعی صدق نمی کند. در این تحقیق این مهم مورد توجه قرار گرفته و با استفاده از رویکرد پویا در داده کاوی بخش بندی بصورت کارامدتر انجام می شود. 4.1 هدف تحقیق دستیابی به بخش بندی بازار از جمله بزرگترین دغدغه های شرکت های تولیدی و بازرگانی است. برای بخش بندی بازار ویژگی های متعددی می تواند مد نظر قرار گیرد که اولین و مهمترین متغیر، مشتری می باشد (میرواحدی و نوراله اوغلی،1390). این تحقیق با ارائه روش خوشه بندی پویا برای بخش بندی مشتریان و تحلیل رفتار آن ها درصدد یافتن یک بخش بندی کارآمد و قابل اطمینان بر اساس تغییرات رفتار و ذائقه مشتریان شرکت می یاشد. 5.1 سوالات تحقیق سوال هایی که این تحقیق به دنبال پاسخ گویی به آن هاست عبارتند از: چگونه می توان با استفاده از تکنیک خوشه بندی فازی با رویکرد داده کاوی پویا تغییر رفتار مشتریان در فرایند زمانی را کشف نمود ؟ در فرایند زمانی ذائقه افراد (طبقات تخصیص داده شده ) چگونه تغییر می نمایند؟ آیا بین روش بخش بندی با رویکرد پویا و بخش بندی با رویکرد ایستا تفاوت وجود دارد؟ کدام روش کارآمدتر می باشد؟ 6.1 روش تحقیق تحقیق حاضر با توجه به ماهیت و هدف آن از نوع تحقیقات کاربردی و از جهت نحوه گردآوری داده ها از نوع توصیفی- پیمایشی می باشد. 7.1 قلمرو تحقیق 1.7.1 قلمرو موضوعی تحقیق حاضر از نظر چارچوب موضوعی جز تحقیقات بازاریابی محسوب می شود و نتایج حاصل از آن در تدوین استراتژی های مربوط به طراحی وتوسعه محصول مورد استفاده قرار خواهد گرفت و لذا از این جهت جز تحقیقات استراتژیک و راهبردی برای شرکت محسوب می شود. 2.7.1 قلمرو مکانی با توجه به این که داده های مورد نیاز جهت انجام پایان نامه از پایگاه داده های نمایندگی های سامسونگ در شهر تهران جمع آوری شده اند، قلمرو مکانی این تحقیق شهر تهران می باشد. 3.7.1 قلمرو زمانی زمان انجام تحقیق از تیر ماه 1389 تا تیرماه 1393 می باشد. 8.1 تعریف واژه ها و اصطلاحات 1.8.1 داده کاوی داده کاوی استخراج اطلاعات و دانش و کشف الگوهای پنهان از پایگاه داده های بسیار بزرگ و پیچیده می باشد. 2.8.1 خوشه بندی خوشه بندی به عنوان یکی از فعالیت های داده کاوی میباشد و به گروه بندی کردن تراکنش ها و مشاهدات یا حالت ها درکلاس های مشابه می پردازد. همچنین یک خوشه مجموعه ای از رکوردها است که به هم شبیه می باشند و از رکوردهای بیرون خوشه تفاوت دارند. 3.8.1 داده کاوی پویا داده کاوی پویا به معنای درک و پیش بینی چگونگی تغییر الگوها در هر زمان است. برای نظارت بر تغییرات، مفاهیم داده کاوی پویا توسعه داده شده اند. 4.8.1 منطق فازی نظریه فازی برای بیان و تشریح عدم قطعیت و عدم دقت در رویدادها به وجود آمده است که براساس منطق چند ارزشی بوجود آمده است. پروفسور لطفی زاده برای اولین بار تئوری مجموعه های فازی و منطق فازی را مطرح کرد، وی با معرفی نظریه مجموعه های فازی مقدمات مدل سازی اطلاعات نادقیق و استدلال تقریبی با معادله های ریاضی را فراهم نمود که در نوع خود تحولی عظیم در ریاضیات و منطق کلاسیک بوجود آورد. روش تحقیق 1.3 مقدمه این پژوهش پس از تعریف مسئله و سوالات تحقیق و بررسی جامع ادبیات موضوع پیرامون دادهکاوی و خوشهبندی و همچنین روشهای دادهکاوی پویا سعی دارد با ارائه طرح تحقیق مناسب و اجرای الگوریتم نوین خوشه بندی جامعه مشتریان گوشی تلفن همراه سامسونگ را طی دوره چهار ساله معین بخش بندی نماید. در ادامه با بررسی مقایسهای روش ایستا و پویا بهترین روش خوشهبندی تعیین خواهد شد. برنامه نویسی و اجرای الگوریتم در محیط نرم افزار MATLAB 2008a اجرا شده است. در این فصل نوع پژوهش و روش جمع آوری دادهها و جامعه آماری و روش تحلیل دادهها به تفضیل مورد بررسی قرار خواهد گرفت. 2.3 نوع پژوهش پژوهشهای علمی را از دو جهت می توان دسته بندی نمود: هدف تحقیق: تحقیقات بر اساس هدف تحقیق به دو دسته تحقیقات بنیادی و کاربردی تقسیم میشوند. پژوهش بنیادی: پژوهشی است که به کشف ماهیت اشیا پدیدهها و روابط بین متغییرها، اصول، قوانین و ساخت یا آزمایش تئوریها و نظریهها می پردازد و به توسعه مرزهای دانش رشته علمی کمک مینماید. هدف اصلی این نوع پژوهش تبین روابط بین پدیدهها، آزمون نظریهها و افزودن به دانش موجود در یک زمینه خاص است. پژوهش کاربردی: پژوهشی است که با استفاده از نتایج تحقیقات بنیادی به منظور بهبود و به کمال رساندن رفتارها، روشها، ابزارها، وسایل، تولیدات، ساختارها و الگوهای مورد استفاده جوامع انسانی انجام می شود. هدف تحقیق کاربردی توسعه دانش کاربردی در یک زمینه خاص است. تحقیق حاضر با توجه هدف از نوع تحقیقات کاربردی است. بر اساس نحوه گردآوری دادهها پژوهشها به دو دسته توصیفی و آزمایشی تقسیم می شوند: پژوهشهای توصیفی شامل پنج دسته می باشد: پیمایشی، همبستگی، پس رویدادی، اقدام پژوهشی، بررسی موردی. پژوهش آزمایشی که به دو دسته آزمایشی و نیمه آزمایشی تقسیم می شوند. تحقیق حاضر از نظر نحوه گردآوری دادهها جز تحقیقات توصیفی- پیمایشی می باشد. 3.3 روش گردآوری دادهها يكي از اصليترين بخشهاي هر كار پژوهشي جمع آوري اطلاعات می باشد. چنان چه اين كار به شكل منظم و صحيح صورت پذيرد كار تجزيه و تحليل و نتيجهگيري از داده ها با سرعت و دقت خوبي انجام خواهد شد. امروزه به دلیل وجود ابزارهای مختلف برای جمعآوری دادهها و پیشرفت قابل قبول تكنولوژی پایگاه داده ، حجم انبوهی از اطلاعات در انبار دادههای مختلف ذخیره شده است. در این پژوهش آن چه كه به عنوان داده مورد بررسي و تجزيه و تحليل قرار گرفته می گیرد به صورت مجموعه داده از پیش تهیه شده می باشد. با توجه به حجم بالای دادههای ذخیره شده ، جهت استخراج اطلاعات و کشف الگوهای مفید (با حداقل دخالت کاربر) از این مجموعه از فرآیند دادهکاوی استفاده خواهد شد. در دادهکاوی از تحلیل اکتشافی داده‌ها استفاده می‌شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون انبوهی از داده‌ها تاکید می‌شود. وجود حجمی انبوه از داده‌ها پیش‌فرض داده‌کاوی است. هر چه حجم داده‌ها بیشتر و روابط میان آنها پیچیده تر باشد داده‌کاوی اهمیت بیشتری پیدا می‌کند. 4.3 جامعه و نمونه آماری جامعه مورد نظر این پژوهش کلیه افرادی هستند که طی چهار سال گذشته حداقل یک نوع از گوشیهای تلفن همراه برند سامسونگ را از یکی از 155 نمایندگی فعال این شرکت در شهر تهران خریداری کرده اند. اطلاعات مربوط به مشتریان و خرید انجام گرفته توسط آن ها در پایگاه داده این نمایندگی ها ذخیره و به عنوان داده های مورد نیاز پژوهش مورد استفاده قرار گرفته اند. در این پژوهش اطلاعات مربوط به خرید سایر محصولات این شرکت از پایگاه داده حذف شده و تنها اطلاعات 3000 نفر از مشتریان که تلفن همراه خریداری نموده اند مورد قبول واقع شده است. از آنجا که اصلیترین مرحله تصمیم گیری در یک سیستم خوشه بندی انتخاب ویژگیهای مناسب است، لذا هر چه تعداد ویژگیهای انتخاب شده مناسب بیشتر باشد، خوشه بندی دقیق تر خواهد بود. بر این اساس در این پژوهش به هر مشتری یک بردار ویژگی نسبت داده شده که این بردار پارامترهای لازم برای مشخص سازی هر مشتری و وضعیت خرید وی را دارا میباشد. در ادامه ویژگیهای مورد نیاز برای خوشه بندی ارائه خواهند شد. جدول زیر این ویژگی را نشان میدهد. جدول (3-1) : ویژگی های مشتریان و محصولات ردیفویژگیتوضیحات1Sexجنسیت مشتریان ( مرد - زن )2Ageسن مشتریان3Incomeدرآمد مشتریان4RAMحافظه موقت (512 M,1 G,2 G)5Priceقیمت گوشی تلفن همراه6Simتعداد سیم کارت ( تک سیم کارت – دو سیم کارت)7Cameraکیفیت دوربین ( بدون دوربین – MP 5 و کمتر – MP 8 و بیشتر )8CPUپردازشگر تلفن همراه ( تک هسته ای – دو هسته ای – چهار هسته ای ) کلیه ویژگیهایی که در رابطه با خوشه بندی در این پژوهش مطرح شده اند به صورت بصری و تجربی انتخاب شدهاند. ویژگیهای Sex,Ram,Sim,Camera,CPU به صورت کد و سایر ویژگیها با مقادیر واقعی در پایگاه داده وجود دارند. دادههای ثبت شده در پایگاه داده مورد استفاده به صورت زیر میباشند: جدول (3-2) : پایگاه داده CPUCameraSimPrice / 1000RAMIncome / 1000AgeSexCostomer112130184019112216301150034121321200124502813...........................121360198926229983321852136583222999332956121004713000 اطلاعات مربوط به مشتریان در پنج بازه زمانی به ترتیب در پایگاه داده ثبت شدهاند. دوره اول: 1000 نفر دوره دوم: 500 نفر دوره سوم: 400 نفر دوره چهارم: 600 نفر دوره پنجم: 500 نفر 5.3 روشهای تجزیه و تحلیل داده ها مبنای اصلی این پژوهش تکنیک خوشه بندی فازی پویای ارائه شده توسط ریچارد وبر میباشد. در طول پژوهش همواره سعی شده که از اصول آن فاصله نگرفته و تنها در جهت درک بهتر نتایج حاصل از اجرای تکنیک، تمامی دادهها با مبنای ثابت نیز خوشه بندی شده و نتایج حاصل از هر دو روش مورد مقایسه قرار گرفتند. به منظور خوشه بندی مشتریان در هر دو روش از الگوریتم FCM استفاده شده است که بر اساس آن هر مشتری به خوشهای تعلق می گیرد که با اعضای آن خوشه همگنتر باشد. نحوه تحلیل دادهها در روش پویا به شرح زیر می باشد: دادههای مربوط به سه ماه اول در سه کلاس (C=3) خوشه بندی می شوند و مراکز خوشهها و تعداد اعضای هر خوشه تعیین می شوند. دادههای دو ماه دوم به مجموعه قبلی اضافه شده و الگوریتم FCM دوباره اجرا خواهد شد و مراکز جدید خوشهها و تعداد اعضای آنها مشخص می شوند. (چرخه 1) با اضافه شدن دادههای جدید در هر چرخه ممکن است هر یک از تغییرات زیر در ترکیب کلاسها مشاهده شود: ایجاد کلاس جدید حذف کلاس انتقال کلاس در فضای ویژگیها به منظور شناسایی دادههای ایجاد کننده تغییر در ترکیب کلاسها در هر چرخه موارد زیر برای دادههای جدید بررسی خواهد شد. μik-1/C≤α ∀k∈1+n,….,n+m ∀i∈1,…..,c (3-1) :μik درجه عضویت عضو i ام به خوشه k ام (خوشه تعلق گرفته) در این پژوهش C=3 و α=0.05 در نظر گرفته خواهد شد. dik>mindvi,vj ∀k∈1+n,….,n+m ∀i≠∈1,…..,c (3-2) dik : فاصله عضو iام از مرکز خوشه kام dvi,vj: فاصله مراکز خوشه های iام و jام از یکدیگر بر اساس دو شرط فوق حالت های زیر تعریف می شوند: 1Cxk=1 باشند صادق شرط دو هر 0 نباشد برقرار ها شرط از یکی حداقل دادههایی که در هر دو شرط صدق میکنند از مراکز کلاسهای فعلی دور بوده و به خوبی خوشه بندی نخواهند شد و ترکیب کلاس را تغییر خواهند داد. برای تعیین نوع تغییر از ضابطه زیر استفاده خواهد شد: k=n+1n+m1cXkm≥β (3-3) : M کل داده های جدید در این پژوهش β=0.05 در نظر گرفته میشود. برای دادههایی که در این ضابطه صدق میکنند خوشه جدید تشکیل میشود، در غیر این صورت فقط مراکز کلاس ها منتقل شدهاند. دادههای دو ماه سوم را به مجموعه دادههای قبلی اضافه میکنیم و مجددا الگوریتم FCM اجرا خواهد شد و فرایند گام 2 تکرار میشود. (چرخه 2) در این مرحله روند تغییرات کلاسها را در گامهای قبلی بررسی خواهیم کرد چنان چه تغییرات کلاس ها طی T چرخه متوالی کمتر از 0.5 باشد، آن کلاس به دلیل ثبات رفتار حذف خواهد شد. در این پژوهش T=2 خواهد بود. برای سه ماه چهارم (چرخه 3) و دو ماه پنجم (چرخه 4) نیز به همین ترتیب الگوریتم اجرا خواهد شد تا همه دادهها مورد بررسی قرار بگیرند و تغییرات کلاس ها ثبت گردد. پس از اجرای الگوریتم خوشه بندی پویا، دادهها را به صورت زیر با مبنای ثابت خوشه بندی خواهیم کرد: دادههای مربوط به سه ماه اول در سه کلاس خوشه بندی میشوند و مراکز خوشه ها و تعداد اعضای هر خوشه تعیین میشوند. در این مرحله فاصله اقلیدسی (d) بین دادههای دادههای جدید (دو ماه دوم) را از مراکز خوشههای گام قبلی (مراکز کلاس داده های سه ماه اول) تعیین کرده و این دادهها را بر اساس حداقل فاصله به خوشهها اختصاص می دهیم. dx,c=i=1nxi-ci2(3-4) الگوریتم FCM برای مجموع دادهها گام های قبل اجرا خواهد شد و مراکز کلاس جدید تعیین میشود. دادههای دو ماه سوم اضافه شده و این فرایند از گام دوم تکرار میشود. به این ترتیب در هر مرحله فاصله دادههای جدید از مراکز کلاسهای قبلی تعیین و بر اساس حداقل فاصله به هر کلاس عضو جدید تعلق خواهد گرفت. پس از انجام خوشه بندی به هر دو روش و تعیین تغییرات مراکز کلاسها و تعداد اعضای هر کلاس، در هر مرحله مجموع فاصله اقلیدسی اعضای هر کلاس را از مرکز همان کلاس (مجموع خطا) تعیین خواهیم کرد. بدیهی است که هر چه مجموع فاصله اقلیدسی اعضا از مراکز کلاسها کمتر باشد، خوشه بندی دقیقتر و مناسبتر خواهد بود. بررسی این شاخص به شناسایی تکنیک بهتر برای خوشه بندی و تعیین میزان بهبود خطا در روش برتر نسبت به روش دیگر کمک خواهد نمود. در پایان نیز مجموع دادههای مربوط به پنج بازه زمانی ذکر شده بصورت انباشته (3000 نفر) با دو تکنیکFCM و K-means خوشه بندی خواهد شد و نتایج آن ها مورد تجزیه و تحلیل قرار خواهد گرفت. منابع فارسی ابطحی ترانه و اکبرزاده توتونچی محمدرضا، (1391)،"بهینه سازی الگوریتم خوشه بندی فازی با استفاده از جمعیت پویا و الگوهای مبتنی بر جمعیت"،یازدهمین کنفرانس سیستم های هوشمند ایران اسماعیل پور حسن و غفاری آشتیانی پیمان،(1381)، بازاریابی، انتشارات دانشگاه آزاد، اراک، ص 85. خان بابایی محمد و زین العابدینی سیده فاطمه،(1392)،"مدل بکارگیری تکنیک های داده کاوی در شناسایی، بخش بندی و تحلیل رفتار مشتریان خدمات بانکداری الکترونیکی"، فصلنامه علمی – پژوهشی تحقیقات بازاریابی نوین،سال سوم، شماره 2، صص 188-175. خیری بهرام و احمدی الهام،(1393)،"بررسی عوامل موثرر بر قصد تغییر رفتار مشتریان و پیامدهای آن"، فصلنامه توسعه مدیریت پولی و بانکی، سال دوم،شماره 2، ص126-101 . سپهری محمد مهدی و کارگری مهرداد،(1391)،"بهبود الگوریتم خوشه بندی مشتریان برای توزیع قطعات یدکی با رویکرد داده کاوی (k-means)"، نشریه بین المللی مهندسی صنایع و مدیریت تولید، شماره 2، جلد 23، صص 249-240 شوندی حسن٫ (1385)،"نظریه های مجموعه های فازی و کاربرد آن در مهندسی صنایع و مدیریت"٫ تهران: گسترش علوم پایه. طهماسبی پژمان،(1390)،"خوشه بندی داده های محیطی". غضنفری حسن،ملک محمدی سمیرا، علیزاده سمیه و فتح الله مهدی، (1389)،"بخش بندی مشتریان صادراتی میوه های خوراکی"، فصلنامه پژوهشنامه بازرگانی، شماره 55، صص 151-181. قاسمی محمد سعید، خانگلدی مسعود ، (1388)، "کاربرد منطق فازی در بازشناسی الگو: خوشه بندی"، دانشکده فنی و مهندسی، دانشگاه اراک مرتضوی سعید،آسمان دره یاسر،نجفی سیاهرودی مهدی و علوی سید مسلم،(1390)،"بخش بندی بازار گوشی تلفن همراه بر مبنای مزایای مورد انتظار مشتریان"، مدیریت بازرگانی، دوره سوم، شماره 8، صص 132-115. میرواحدی سید سعید و نوراله اوغلی رقیه،(1390)، "تکنیک های تحلیل در تحقیقات بازاریابی"،انتشارات آییژ. منابع انگلیسی Aggarwal, C. (2007),"Data Streams:Models and Algorithms", Advances in Database Systems, 31. Alpaydin E, (2004),"Introduction to Machine Learning", the MIT Press. Ann Maharaj,E, and D'Urso,P ,(2011),"Fuzzy clustering of time series in the frequency domain", information sceinces, 181:1187-1188 . Berry M and Linoff G, (1997), “Data Mining Techniques: For Marketing, Sales, and Customer Support”, New York: John Wiley and Sons. Berson A, Smith S and Thearling K, (2004), “Buildin Data Mining Applications for CRM”, Tata McGraw-Hill, New York. Bezdek J.C., Keller J, Krishnapuram R., and Pal N. R., (1999),”Fuzzy Models and Algorithms for Pattern Recognition and Image Processing”, Kluwer, Boston, London, Dordrecht. Chuang H. M ,Shen C.C.,(2008), “A study on the application of data mining techniques to enhance customer lifetime value-based on the department store industry”, The Seventh International Conference on Machine Learning and Cybernetics:168-173. Chunfei Zh, Zhiyi F,(2013), “An Improved K-means Clustering Algorithm”, Journal of Information & Computational Science 10,1: 193–199 George J, Klir Bo Yuan,(1995)," Fuzzy sets and Fuzzy Logic, Theory and applications", Prentice Hall PTR. Han J and Kamber M, (2001),” Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers,San Francisco,USA. Hosseininezhad F and Salajegheh A, (2012),”Study and Comparison of Partitioning Clustering Algorithms”, Iranian Journal of Medical Informatics, 2, 1: 38-40. Hesieh N.C , (2004),”An integrated data mining and behavioral scoring model for analyzing bank customers”, 27: 623-633 Karypis G, Han E.-H, and Kumar V, (1999),” Chameleon: ‘A hierarchical Clustering Algorithm Using Dynamic Modeling” ,IEEE Computer, Special Issue on Data Analysis and Mining 32, 8: 68–75 Kasabov N.K, and Song Q, (2002), “DENFIS: Dynamic evolving neural-fuzzy inference system and its application for time-series prediction”, IEEE Transactions on Fuzzy Systems 10, 2: 144–154 Kim K-j, Ahn, H,(2008),”A recommender system using GA K-means clustering in an online shopping market”, Expert Systems with Applications,34: 1200-1209. Larose  D.T,(2005),”Discovering  knowledge in Data , an introduction to  Data  mining “ .New  Jersey  . WILLEY. Lee C-Y, Ma L, and Antonsson, E K, (2001),”Evolutionary and adaptive synthesis methods”, In Formal Engineering Design Synthesis (E. K. Antonsson and J. Cagan, eds), Cambridge University Press, Cambridge, U.K.: 270–320. Lee Marcus T.H (2003),”A Bayesian neural network model of consumer choice. Dissertation for the degree of Doctor of philosophy”, University of Toronto. Li C, Biswas G, Dale M, and Dale P, (2002), “Matryoshka: a HMM based temporal data clustering methodology for modeling system dynamics”, Intelligent Data Analysis, 6, 3: 281–308 Li Der-Chiang, Dai Wen-Li and Tseng Ean-Ting, (2011),”A twostage clustering mehod to analyze customer characteristics to build discriminative customer management: A case of textile manufacturing business”, expert systems with applications, 14: 1-6. Li W, Wu X, (2010),”Credit Card Customer Segmentation and Target Marketing Based on Data Mining”, International Conference on Computational Intelligence and Security: 73 – 76. Liao S.H., Chen Y.J., Hsieh H.H., (2011), “mining customer knowledge for direct selling and marketing, Expert Systems with Applications”, 38: 6059–6069. Linder R, Geier J, Kolliker M, (2004),” Artificial neural networks, classification trees and regression: which method for which customer base, Journal of Database Marketing & Customer Strategy Management”, 11, 4: 344-356. Malthouse E, C, (2001),”Assessing the performance of direct marketing scoring models”, Journal of Interactive Marketing, 15: 49-62. Mitchell, Tom M, (1997), “Machine Learning”, McGraw-Hill Science. Nanda S.R., Mahanty B., Tiwari M.K,(2010),”Clustering Indian stock market data for portfolio management”, Expert Systems with Applications, 37,8793–8798. Peters G, Weber R, Nowatzke R, (2012),”Dynamic rough clustering and its applications”, Applied Soft Computing, 12: 3193-3195. Robert S, Gyorodi,"A Comparative Study of Iterative Algorithm in Association Rules Mining ", Studies in Information and control, 12, 3. Sander J,(2003), "Principles of Knowledge Discovery in Data: Clustering I", Department of Computing Science University of Alberta, Tutorial Slides. Seret A, Seppe K.L.M. Broucke Y, Baesens B, Vanthienen J,(2014),” A dynamic understanding of customer behavior processes based on clustering and sequence mining”, Expert Systems with Applications,41: 4648-4657. Weber R,(2007), Fuzzy Clustering In Dynamic Data Mining- Techniques And Applications,pp:315-330,In ”Advances in fuzzy clustering and its applications”, Valente de Oliveira J, Pedrycz W, Wiley. Wu Hsin-Hung, Chang En-Chi and Lo Chiao-Fang, (2009),” Applying RFM model and K-means method in customer value analysis of an outfitter, International Conference on Concurrent Engineering, New York. You C, (2009),”On the convergence of uncertain sequences, Mathematical and Computer Modeling”, 49: 482-487. Zhenguo Z, Ying K, Gen P, (2012),"Dynamic data mining based on cloud model", Atlantis press. http://ceit.aut.ac.ir/~shiry, Dr.Saeed Shiry Ghidary Academic website http://www.thearling.com/ an introduction to data mining.htm. Abstract Today, customer is considered as the main key of success or unsuccess a company. Therefore the study of the customers’ behavior has been regarded by marketing researchers during recent decades. The analysis of the customers’ loyalty, satisfaction and preferences are the most important issues in this area that researchers try to analysis of them by using different tools and methods. This study in terms of objective is applied research, in terms of methodology is survey research and in terms of subject, is marketing research. The purpose of this research is the customers’ segmentation using data mining techniques and the prediction of their behavior using dynamic C-means algorithm. For this purpose, the purchase data of 3000 Samsung mobile phone users has received and then this data has considered by Matlab 2008a after writing C-means algorithm. The results show that dynamic technique presents more real segmentations than static technique. Moreover the analysis of behaviors during a time period shows that customers are tendered to the price of the mobile phones. Traits such as the quality of the camera and processor and the number of sim cards and RAM are the reasons of change in the customers’ segmentations. Key words: Customer behavior, Dynamic data mining, Clustering, FCM 2141220-34861500 University of Shahrood Faculty of Industries Engineering & Management Fuzzy clustering of customers and analysis of their behavior using dynamic data mining approach (Case Study: Samsung Mobile Phones) Maryam Alaeizadeh Supervisor: Dr. Reza Sheikh February 2015