آشنایی با داده کاوی یا دیتا ماینینگ

داده‌کاوی یکی از مباحث پرکاربرد و در حال رشد در عرصه مدیریت، حسابداری و اقتصاد است. به مدد سیستم‌های فناوری اطلاعات و نرم‌افزارهای مبتنی بر پایگاه داده، اکنون سازمان‌ها توان ذخیره حجم انبوهی از داده‌ها را پیدا کرده‌اند. داده‌کاوی فرایندی است که امکان استخراج اطلاعات معنادار از این پشته داده را فراهم می‌سازد. داده‌کاوی روشی است که به کشف دانش مبتنی بر شناسائی خودکار الگوها و رابطه‌ها می‌پردازد. یعنی به جای آنکه مدل سازی کنیم، مدل‌های موجود را کشف نمائیم.

داده کاوی یکی از روشهایی است که به وسیله آن الگوهای مفید در داده‌ها با حداقل دخالت کاربران شناخته می‌شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می‌دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. در داده کاوی 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.

داده‌کاوی یکی از موضوعات پرکاربرد و در حال رشد در عرصه مدیریت، حسابداری و اقتصاد است. به مدد سیستم‌های فناوری اطلاعات و نرم‌افزارهای مبتنی بر پایگاه داده، اکنون سازمان‌ها توان ذخیره حجم انبوهی از داده‌ها را پیدا کرده‌اند. داده‌کاوی فرایندی است که امکان استخراج اطلاعات معنادار از این پشته داده را فراهم می‌سازد. داده‌کاوی روشی است که به کشف دانش مبتنی بر شناسائی خودکار الگوها و رابطه‌ها می‌پردازد. یعنی به جای آنکه مدل سازی کنیم، مدل‌های موجود را کشف نمائیم.

داده کاوی یکی از روشهایی است که به وسیله آن الگوهای مفید در داده‌ها با حداقل دخالت کاربران شناخته می‌شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می‌دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند. در داده کاوی 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.

در بسیاری موارد از خوشه بندی به عنوان اولین گام فرایندهای داده كاوی یاد می‌شود كه قبل از سایر فرایند‌ها برای شناسایی گروهی از عناصر مشابه استفاده می‌شود. هدف از خوشه بندی تقسیم داده‌های موجود به چندین گروه است بطوریکه داده‌های گروه‌های مختلف باید حداکثر تفاوت ممکن را به هم داشته باشند و داده‌های موجود در یک گروه باید بسیار به هم شبیه باشند. روش‌های متعددی برای خوشه‌بندی داده‌ها وجود دارد.

علاوه بر پیشرفت ابزارهای مدیریت داده، افزایش قابلیت دسترسی به داده و کاهش نرخ نگهداری داده نقش ایفا می‌کند. در طول چند سال گذشته افزایش سریع جمع آوری و نگه داری حجم اطلاعات وجود داشته‌است. با پیشنهادهای برخی از ناظران مبنی بر آنکه کمیت داده‌های دنیا به طور تخمینی هر ساله دوبرابر می‌گردد. در همین زمان هزینه ذخیره سازی داده‌ها بطور قابل توجهی از دلار برای هر مگابایت به پنی برای مگابایت کاهش پیدا کرده‌است. مطابقا قدرت محاسبه‌ها در هر ۱۸ – ۲۴ ماه به دوبرابر ارتقاء پیدا کرده‌است این در حالی است که هزینه قدرت محاسبه رو به کاهش است. داده کاو به طور معمول در دو حوزه خصوصی و عمومی افزایش پیدا کرده‌است. سازمانها داده کاوی را به عنوان ابزاری برای بازدید اطلاعات مشتریان کاهش تقلب و اتلاف و کمک به تحقیقات پزشکی استفاده می‌کنند. با اینهمه ازدیاد داده کاوی به طبع بعضی از پیاده سازی و پیامد اشتباه را هم دارد.اینها شامل نگرانی‌هایی در مورد کیفیت داده‌ای که تحلیل می‌گردد، توانایی کار گروهی پایگاههای داده و نرم‌افزارها بین ارگانها و تخطی‌های بالقوه به حریم شخصی می‌باشد.همچنین ملاحظاتی در مورد محدودیتهایی در داده کاوی در ارگان‌ها که کارشان تاثیر بر امنیت دارد، نادیده گرفته می‌شود.

کاربردهای اساسی داده کاوی

هوش تجاری:انبار داده و داده کاوی

ارزش حیات مشتری و شناسایی مشتریان سودآور

محدودیت‌های داده کاوی

در حالیکه محصولات داده کاوی ابزارهای قدرتمندی می‌باشند، اما در نوع کاربردی کافی نیستند.برای کسب موفقیت، داده کاوی نیازمند تحلیل گران حرفه‌ای و متخصصان ماهری می‌باشد که بتوانند ترکیب خروجی بوجود آمده را تحلیل و تفسیر نمایند.در نتیجه محدودیتهای داده کاوی مربوط به داده اولیه یا افراد است تا اینکه مربوط به تکنولوژی باشد. اگرچه داده کاوی به الگوهای مشخص و روابط آنها کمک می‌کند، اما برای کاربر اهمیت و ارزش این الگوها را بیان نمی‌کند.تصمیماتی از این قبیل بر عهده خود کاربر است.برای نمونه در ارزیابی صحت داده کاوی، برنامه کاربردی در تشخیص مظنونان تروریست طراحی شده که ممکن است این مدل به کمک اطلاعات موجود در مورد تروریستهای شناخته شده، آزمایش شود.با اینهمه در حالیکه ممکن است اطلاعات شخص بطور معین دوباره تصدیق گردد، که این مورد به این منظور نیست که برنامه مظنونی را که رفتارش به طور خاص از مدل اصلی منحرف شده را تشخیص بدهد. تشخیص رابطه بین رفتارها و یا متغیرها یکی دیگر از محدودیتهای داده کاوی می‌باشد که لزوماًروابط اتفاقی را تشخیص نمی‌دهد.

یك مفهوم بنیادین در مدیریت روابط با مشتری ارزش حیات مشتریان است. ایده اولیه این مساله آن است كه مشتریان را باید برمبنای سودآوری آنها برای شركت در كل زمانیكه خرید انجام می‌دهند مورد قضاوت قرار داد. كلمه دوره حیات اشاره به كل زمانی دارد كه مشتریان از سازمان خرید می كنند. سودآوری معمولاً براساس ارزش خالص محاسبه می‌شود یعنی با كسر هزینه‌های جذب و حفظ مشتری از عایدات ناشی از یك مشتری. هزینه‌های ثابت لحاظ نمی‌شود زیرا در صورت بود و نبود مشتری این هزینه‌ها وجود خواهند داشت. ارزش حیات مشتری یك مقوله بسیار مهم در زمینه مدیریت روابط خرید ـ فروشنده در تئوریها و عملیات بازاریابی رابطه‌ای می باشد. شاید بتوان مقوله سنجش ارش مشتریان را به سال 1966 ردیابی كرد. بارسک به سال 1966، در مقاله‌ای تحت عنوان: «به مشتریانتان به مثابه یك سرمایه نگاه كنید» از نخستین كسانی است كه بطور جدی بحث سنجش ارزش مشتریان را مطرح كرد. مطالعات وی كمك زیادی به فهم مساله ارزش حیات مشتریان در روابط سازمان با سازمان نموده است. امروزه، بیشتر نویسندگان، از روشهای ارزش خالص فعلی برای محاسبه ارزش حیات مشتریان استفاده می كنند.

مفهوم ارزش مشتری

ارزش مشتری عبارت است از منافع درك شده از دریافت یك كالا یا خدمت خاص در مقایسه با هزینه‌های درك شده از سوی یك مشتری یا گروهی از مشتریان. به صورتی دقیق تر "ارزش مشتری نشان دهنده موازنه بین منافعی است كه مشتری از ارزیابی، دریافت و استفاده از یك كالا بدست می‌آورد در برابر هزینه هایی كه متحمل میشود (مانندپول، انرژی، زمان و هزینه‌های روانی). این مفهوم كه از دیدمشتری به مفهوم ارزش توجه می‌نماید، در حیطه بررسی این مقاله نیست؛ اما ذكر این نكته لازم است كه در برخی از پژوهشهای انجام شده مراد از ارزش مشتری، همان ارزش زمان عمر مشتری آنچه در این پژوهش مد نظر ماست عبارت است از ارزش مشتری از دیدگاه سازمان.

چرخه عمر مشتری

این باور پذیرفته شدهای است كه مشتریان ماندگار برای شركت سودمندتر هستند. این سودمندی مشتریان ماندگار را كه به آنها وفادار هم می‌گوییم به ویژگیهایی مانند پاداشهای اضافی كه می‌پردازند، فروشهای اضافی كه از ارجاع‌های آنها به دیگران بدست می‌آید، منافع حاصل از صرفه جویی در بسیاری هزینه‌ها و خریدهای بیشتر و دگر فروشی‌های كه به آنها میشود، نسبت می‌دهند. سودآوری یك مشتری در صورتی تضمین می‌شود كه وی خریدهای مكرر و بلندمدتی را از شركت داشته باشد. با این وضعیت اهمیت وفاداری مشتری به شركت دو چندان می‌شود.
با درك رو به رشدی كه از اهمیت وفاداری مشتری به دست آمده بود، شركتها به رویكرد جدیدی كه مشتری محور بود نیازمند بودند تا بتوانند راهبردهای خود را تدوین نمایند و در نتیجه چرخه عمر مشتری نقش مه می‌در استراتژی بازاریابی آنها ایفا نمود. این رویكرد جدید به تدریج در حال جایگزینی رویكرد قدی می‌چرخه عمر محصول است. رویكرد محصول محور به خاطر چالشهای مه می‌كه برای آن پیش آمده است در حال جایگزینی با رویكرد مشتری محور است.
از دید یك شركت، چرخه عمر یك مشتری یك تعداد از مبادلات بین شركت و مشتری در كل یك دوره زمانی است كه مشتری در رابطه با شركت باقی می‌ماند. چرخه عمر مشتری در كسب وكارهای مختلف با هم متفاوت است و بسته به نوع كسب و كار، مشتریان و نوع رابطه می‌تواند بلند یا كوتاه مدت باشد. سه مرحله اصلی دررابطه با مشتری را شناسایی نموده اند. در مرحله اول شركت برای جذب مشتری تلاش می‌كند. مرحله دوم كه نگهداری نام دارد زمانی است كه شركت سعی می‌كند با نگهداری مشتری تا حد ممكن ازمشتری سود كسب نماید و بالاخره این امكان وجود دارد كه رابطه به مشتری دچار فرسودگی شده وحتی در نهایت قطع گردد.

ارزش دوره عمر مشتری

با مطرح شدن چرخه عمر مشتری، ارزش زمان عمر یك مشتری یك مفهوم عمده دیگر است كه به سرعت در حال مطرح شدن است. ایده اصلی ارزش چرخه عمر مشتری این است كه مشتریان را باید بر اساس سودآوری آنها برای سازمان مورد قضاوت قرار داد. از طرفی پژوهشگران و مدیران همه بر این عقیده هستند كه شركتها نبایستی به دنبال جذب هر گونه مشتری باشند؛ بلكه آنها بایستی مشتری مناسب را جذب نمایند. براساس مطالعات ای. تی. کیرنی ارائه شده می‌بینیم كه چگونه برخی از مشتریان برای ما بسیار ارزشمند هستند در حالیكه برخی از مشتریان می‌توانند بر سود سازمان اثر منفی داشته باشند. ارزش زمان عمر كه برای هر مشتری جداگانه مورد محاسبه قرار می‌گیرد به ما درانجام چنین كاری كمك می‌كند. ای. تی. کیرنی در کتاب "ممیزی رضایت مشتری"برای تفکیک و تقسیم بندی مشتریان از قیاس با فلزها استفاده کرده است.
مشتری‌های پلاتینی: این مشتریان بیشترین ارزش را از سازمان دریافت می‌کنند و سازمان نیز از آنها بیشترین را کسب می‌کند درباره آنها سازمان باید اتحاد راهبردی ایجاد کند.
مشتریان طلایی: مشتریانی هستند که تقریباً به اندازه مشتریان پلاتینی اهمیت دارند، اما جوهر لازم برای ایجاد هسته راهبردی را ندارند.
مشتریان نقره‌ای :مشتریانی هسستند که نوع متفاوتی از محصولات و خدمات را از سازمان برایشان عرضه می‌کند لازم است که با این مشتریان رابطه حداقل مداوم برقرار شده و با آنها در فرهنگ سازی تدریجی تلاش و همکاری به عمل آید.
مشتریان برنزی:برای این قشر مشتریان،سازمان از سمت سودآوری به سمت غیرسودآوری در حال حرکت است. تحقیقات نشان می‌دهد که تنها دوسوم تا سه چهارم از مشتری‌های سازمان هزینه‌های ثابت و متغیر آن را پوشش می‌دهند
مشتریان قلعی: سازمان‌ها باید راهی پیدا کنند تا این مشتریان به مشتریان سود آور تبدیل شوند و یا به سمت انتخاب تامین کننده دیگر سوق پیدا کنند.

در حالی که مشتری‌های پلاتینی 10 درصد از کل مشتری‌ها را تشکیل می‌شوند،روی هم 25 درصد از سود از ناحیه این مشتری‌ها بدست می‌آید. مشتری‌های طلایی 16 درصد از کل هستند و 25 درصد از سود را ایجاد می‌کنند. مشتری‌های نقره‌ای 35 درصد از کل هستند و 45 درصد از سود را ایجاد می‌کنند. مشتری برنزی 20 درصد از کل هستند و تنها 5 درصد سود دارند و بالاخره مشتریان قلعی هستند که 25 درصد از کل هستند و15 درصد از سود را تلف می‌کنند.
توجه به ارزش دوره عمر مشتری در ادبیات بازاریابی، از اواخر دهه 1980آغاز شد و كاربردهای متعددی از ارزش دوره عمر مشتری در این زمینه ارائه شد. برخی از نویسندگان اولیه واژه ارزش خالص كنونی را به جای ارزش دوره عمر مشتری استفاده می‌كردند. همچنین برخی از پژوهشگران تنها درآمدهای تنزیل شده را در نظر می‌گیرند تا بعداً برای مقایسه به هزینه‌های جذب مشتری استفاده نمایند در حالیكه بقیه هزینه‌ها و درآمدها - هر دو - را در معادلات ارزش دوره عمر مشتری درنظر می‌گیرند.
گاهی در مطالعات به جای ارزش دوره عمر مشتری واژه‌های دیگری مانند سودآوری مشتری ، ارزش مشتری ، حقوق مشتری ،ارزش دوره عمر بکار گرفته شده است. کاتلر ارزش دوره عمر مشتری را به عنوان ارزش فعلی خالص قابل کسب در دوره عمر مشتری تعریف می‌کند. اما به طور کلی می‌توان گفت ارزش دوره عمر مشتری ارزشی است که مشتری در طول دوره عمرش برای سازمان ایجاد می‌کند و هدف اصلی از محاسبه آن،ایجاد یک برداشت وزنی از مشتریان به منظور تخصیص بهینه منابع به آنها می‌باشد. وجود تعارف مختلف از ارزش دوره عمر مشتری،نشانگر دیدگاه‌های متفاوتی است که نسبت به این موضوع وجود دارد. لذا این مفهوم از جنبه‌های مختلف (مالی و غیر مالی) تعریف و به روشها و مدل‌های متفاوتی تخمین زده شده است. دوره عمر مشتری می‌گوید چه اطلاعاتی در دسترس است و چه تصمیماتی باید گرفته شود. این اطلاعات می‌تواند سود آوری مشتریان بالقوه را که می‌توانند به مشتریان بالفعل تبدیل شوند و اینکه تا چه مدت به صورت مشتری،وفادار خواهند ماند و چگونه احتمالاً ما را ترک خواهند کرد پیش بینی نموده (مدهوشی و امیری،1385)و امکان گرایش یک مشتری به رقبا را نیز مشخص نماید. ه حفظ یک مشتری به وسیله مقایسه ارزش دوره عمر مشتری اهمیت فراوانی دارد. از آنجا که همه مشتریان برای شرکت ارزشمند نیستند، لذا تحلیل ارزش دوره عمر مشتری یک عامل اساسی برای مدیریت ارتباط با مشتری و یک مفهوم مهم در بخش‌بندی،انتخاب و حفظ مشتریان است و زمینه بکار گیری استراتژی‌های مناسب برای مشتریان براساس ارزش دوره عمر مشتری می‌تواند باعث بهبود اثربخشی و کارایی اقدامات بازاریابی گردد.

داده کاوی به روش RFM و LRFM

مدل RFM به تحلیل رفتار و بیان تفاوت مشتریان با استفاده از سه متغیر تازگی،تکرار و مبلغ خرید می پردازدکه توسط هوگس در سال 1994 ارائه شده است.که در آن سه متغیر به صورت زیر تعریف شده اند.
1- تازگی آخرین خرید یا Recency: نشان دهنده مدت زمان بین آخرین تعامل تجاری و زمان حال است، هرچه این مدت کمتر باشد ارزش R بیشتر است.
2- تعداد تکرار خرید یا Frequency: نشان دهنده تعدادتکرار خرید است و تعداد تراکنش ها را در یک بازه مشخص نشان می دهد، برای مثال دو بار در سال، دو بار در یک فصل یا دو بار در یک ماه. هر چه تعداد تکرار بیشتر باشد ارزش F بزرگ تر است.
3- ارزش پولی خرید یا Monetary:نشان دهنده ارزش پولی صرف شده توسط یک مشتری در تعاملات انجام گرفته در بازه ای خاص است. بیشتربودن مقدار پول صرف شده بیانگر بالاتر بودن ارزش M است.

هر چه F و R بیشتر باشد احتمال آنکه تراکنش جدیدی با مشتری صورت بگیرد بیشتر است و همچنین اگرM نیز بزرگتر باشد احتمال بازگشت مشتری برای خرید بیشتر است .در مدل RFM فرض بر این است که مشتریانی که در هر یک از متغیرهای مدل دارای ارزش بالاتری هستند جزو بهترین مشتریان هستند، البته تا زمانی که فرض شود آنها در آینده نیز همانند گذشته رفتار نمایند که در این صورت اعتقاد بر این است که این مشتریان نسبت به دیگران برای شرکت سودآوری بالاتری دارند. لذا فرض اساسی مدل این است که الگوهای آینده مبادله و خرید مشتری همانند الگوهای گذشته و حال است. راحتی محاسبه وقابل درک بودن و توانایی RFM در پیش بینی رفتار آینده مشتری وارزیابی وفاداری تاکید کرده اند و مدل RFM را به عنوان راهی برای اندازه گیری ارزش طول عمر مشتری به کاربرده اند.

RFM در عمل

RFM در ابتدا توسط بازاریابان در بازارهای B2C به خصوص در صنایعی همچون بانکداری مخابرات و ... استفاده گردیده است. رویکردهای متفاوتی برای رتبه بندی و یا امتیازدهی در مدل وجود دارد که در ذیل به سه رویکرد متداول اشاره می شود:

- رتبه بندی مقدماتی - رتبه بندی خوشه ای - رتبه بندی با استفاده از وزن دهی هر رویکرد دارای طرفدارانی است که آن را به رویکرد های دیگر ترجیح می دهند. نکته مهم انتخاب بهترین رویکرد با توجه به نوع سازمان و مشتریانش می باشد.در ادامه این رویکردها تشریح خواهند شد.

الف ‐ مدل رتبه بندی مقدماتی در این روش مشتریان بر اساس هر کدام از پارامترهای تأخر، فرکانس و ارزش پولی به صورت مجزا امتیازدهی می شوند. به این ترتیب که ابتدا مشتریان را بر حسب تأخر به صورت افزایشی (کاهشی) مرتب می گردند. در مرحله بعد به پنج (یا کمتر)بخش مساوی تقسیم می شوند. مشتریانی که در1/5 فوقانی قرار می گیرند نشاندهنده 20 % از مشتریان هستند که به تازگی از سازمان خرید کرده اند یا با سازمان تعامل مالی داشته اند. سپس این فرآیند برای فرکانس و ارزش پولی نیز انجام میگردد. هر مشتری می تواند در یکی از 5خانه تأخر، فرکانس و ارزش پولی قرار گیرد.

تجربه نشان داده است که بهترین انتخاب برای کمپین تبلیغاتی آینده از مشتریانی است که در خانه5 از هر کدام از پارامترهای تأخر، فرکانس و ارزش پولی باشند- آنهایی که در نزدیکترین زمان به حال خرید کرده اند، بیشترین تعداد دفعات خرید را دارند و پول بیشتری را خرج کرده اند. درحقیقت رویکرد رایج برای بدست آوردن یک امتیاز این است که امتیازهای بدست آمده از هر پارامتر را در کنار یکدیگر قرار داد. بدین صورت 125 حالت امتیاز می توان داشت که از111 شروع شده وبه 555 ختم می شود.

ب‐ مدل رتبه بندی میان سلولی مدیر موسسه بازاریابی بانک اطلاعاتی، آقای آرتور میدلتون هوگس از این روش دفاع کرده است.این تکنیک نیز مانند تکنیک قبلی آغاز می گردد. یعنی تمام مشتریان در ابتدا از نظر تأخر به پنج (سه)گروه تقسیم می شوند. آنگاه مشتریان هر بخش) برای مثال بخش پنج) بر اساس فرکانس به پنج (سه ) بخش تقسیم می شوند. سپس مشتریانی که در خانه 55 قرار گرفتند بر اساس ارزش پولی به پنج بخش تقسیم می شوند. شکل زیر مدل را به خوبی نمایش می دهد.

ج‐ مدل رتبه بندی با استفاده از وزن دهی پارامترها وزنهای استفاده شده توسط اجرا کنندگان این مدل متفاوت است. برای مثال بسیاری از محققین بر جمع امتیازهای پارامترها با یکدیگر تاکید دارند و اگر هر پارامتر را به سه بخش تقسیم کنیم، آنها وزن برابری را به هر پارامتر داده و در نتیجه امتیازها طیفی از سه تا پانزده را در بر خواهند داشت.برخی دیگر نیز از وزن دهی متفاوت برای پارامترها استفاده می کنند. اینکه کدام پارامتر بیشترین وزن را به خود اختصاص داده و کدام کمترین و اندازه این وزن ها برمی گردد به نوع صنعت مورد بررسی، تجربه گذشته و نظر کارشناسان.

توسعه مدل RFM به LRFM

مدل LRFM روشی است که برای خوشه‌بندی مشتریان در مدیریت ارتباط با مشتری (CRM) استفاده می‌شود. در این مدل مشتریان براساس چهار ویژگی طول ارتباط مشتری ، تازگی خرید ، تناوب خرید و ارزش مالی خرید دسته‌بندی می‌شوند. براساس حرف اول هریک از این چهار ویژگی واژه LRFM نوآوری شده است. این مدل برای خوشه‌بندی بسیار مورد استفاده قرار می‌گیرد. در این فصل با استفاده از همین مدل اقدام به آموزش خوشه‌بندی با نرم‌افزار SPSS شده است.

بر طبق نظررینارتزو کومار (2000)، چانگ و تسای (2004) مدل RFM نمی تواند مشتریان دارای ارتباط بلند مدت و مشتریان دارای ارتباط کوتاه مدت با سازمان را مشخص نماید. آنها در تحقیق خود ایده طول ارتباط مشتری را پیشنهاد می دهند و به بررسی تاثیر آن بر وفاداری و سود آوری مشتری می پردازند. آنها بیان می کنند که افزایش طول ارتباط با مشتری، وفاداری مشتری را بهبود خواهد بخشید. واین متغیررا که نشان دهنده فاصله زمانی بین اولین و آخرین خرید مشتری در بازه مورد مشاهده است تعریف کرده اند. مدل RFM مشتریانی را که به تازگی ارزش مالی بالایی برای شرکت ایجاد کرده ودر کوتاه مدت دارای تناوب خرید بیش از متوسط تناوب خرید در بین مشتریانی که تکرارخرید داشته اند به عنوان مشتریان با ارزش انتخاب کرده درحالی که عامل طول ارتباط با شرکت نادیده گرفته شده است.

بنابراین بعد طول ارتباط مشتری Length(L) به مدل RFM اضافه می شود.

طول ارتباط مشتری با سازمان، نشاندهنده مدت زمانی است که یک مشتری ارتباط خود را با سازمان آغاز کرده است. نتایج مطالعه بهاتاچاریا (1998) نشان می دهد طول دوره هایی که طی آن می توان یک فرد را به عنوان مشتری سازمان معرفی کرد، در ارتباط مثبت با دوره هایی خواهد بود که مشتری متمایل است طی آن ارتباط خود را با سازمان ادامه دهد هم چنین در این مطالعه بیان شده که طول ارتباط مشتری با سازمان با احتمال پایداری رابطه او در آینده، دارای ارتباط مثبت است.از طرفی مبنای دیگر برای دنبال کردن مشتریان در نظریه مزیت منابع پیدا شده است. برطبق بررسی های هانت و مورگان ( 1995 ) منابع شرکت، مالی، فیزیکی، قانونی، انسانی، سازمانی ، اطلاعاتی ، و رابطه ای هستند . برگرفته شده ازبررسی های آنان ، نشان داده شده که روابط با مشتریان می تواند بعنوان یک منبع شرکت بهره گرفته شده که می تواند بعنوان مزیت رقابتی بکاربرده شود.