Customer Segmentation Using Behavioral Analysis and Service Usage Data

Abstract

In an era of rapidly evolving technology and intense competition in the parcel delivery industry, organizations must understand the varied behaviors and needs of the customers to retain their existing customer base. The independent study aims to develop a customer segmentation model based on behavioral and service usage data by collecting and preparing transportation transaction data. The study analyzes Thailand Post Co., Ltd. using RFM (Recency, Frequency, Monetary) values as a case study. It develops segmentation models through K-Means, Hierarchical, and DBSCAN methods and compares their clustering performance. The findings reveal that the K-Means model achieved the highest Silhouette score of 0.375 and the lowest Davies-Bouldin Index of 0.904, which distinguishes customer differences more effectively than the other models. It successfully segments customers into four groups: loyal high-spending customers, regular customers who continue using the service, customers who have been inactive for an extended period and may be churning, and new or low-spending customers. The findings were used to create an information system featuring a dashboard visualization. The system's quality and user satisfaction were evaluated by both experts and general users. Overall, the developed information system received high-quality ratings and excellent satisfaction scores. It effectively supports customer management and can serve as a strategic tool for marketing strategies tailored to the specific needs of different customer segments.

ในยุคที่เทคโนโลยีเปลี่ยนแปลงอย่างรวดเร็ว และธุรกิจขนส่งพัสดุมีการแข่งขันกันสูง องค์กรจึงจำเป็นต้องเข้าใจพฤติกรรม และความต้องการที่หลากหลายของลูกค้าเพื่อรักษาฐานลูกค้าเดิม การค้นคว้าอิสระจึงนี้มุ่งพัฒนาแบบจำลองการแบ่งกลุ่มลูกค้าจากข้อมูลพฤติกรรมและการใช้บริการ โดยทำการจัดเก็บรวบรวม และจัดเตรียมข้อมูลธุรกรรมขนส่ง โดยงานวิจัยใช้กรณีศึกษา บริษัท ไปรษณีย์ไทย จำกัด ซึ่งทำการวิเคราะห์ค่า RFM (Recency, Frequency, Monetary) จากนั้นทำการพัฒนาแบบจำลองด้วยวิธีการ K-Means, Hierarchical และ DBSCAN และเปรียบเทียบประสิทธิภาพการแบ่งกลุ่ม จากผลการวิจัยพบว่า K-Means ให้ค่า Silhouette Score สูงสุด 0.375 และ Davies-Bouldin Index ต่ำสุด 0.904 ซึ่งค่าผลลัพธ์ที่ได้แสดงถึงการจำแนกความแตกต่างของลูกค้าได้ดีกว่าแบบจำลองอื่น โดยสามารถจำแนกกลุ่มลูกค้าได้ 4 กลุ่ม ได้แก่ ลูกค้าประจำที่มียอดใช้จ่ายสูง ลูกค้าทั่วไปที่ยังคงใช้งานอยู่ ลูกค้าที่หายไปนานและอาจกำลังเลิกใช้บริการ และลูกค้าใหม่หรือกลุ่มที่มียอดใช้จ่ายต่ำ จากผลการวิจัยดังกล่าวนำไปประยุกต์ใช้ เพื่อพัฒนาระบบสารสนเทศสำหรับแสดงผลผ่านแดชบอร์ด จากการประเมินคุณภาพ และความพึงพอใจของระบบสารสนเทศโดยผู้เชี่ยวชาญและพนักงานทั่วไปแสดงให้เห็นว่า ระบบสารสนเทศที่พัฒนาขึ้นมีค่าคะแนนเฉลี่ยโดยภาพรวมในด้านคุณภาพอยู่ในระดับมาก และด้านความพึงพอใจในระดับมากที่สุด ซึ่งจะเห็นได้ว่าระบบสารสนเทศที่พัฒนาขึ้นรองรับการบริหารจัดการลูกค้าอย่างมีประสิทธิผล และสามารถนำมาช่วยกำหนดกลยุทธ์ทางการตลาดที่ตอบสนองต่อความต้องการของลูกค้าแต่ละกลุ่ม