نظر اجمالی:
با توجه به بیتی که مولانا در دفتر سوم خود بیان می دارد: (مستی که از طرف خدا و عقلی باشد بر دیگر مستی‌ها ارجح است ؛ و کسی که مست خدا باشد فقط در نظر دیگران ظاهری بد دارد و در باطن خوب و پسندیده است و هزار مستی می‌ظاهری نمی‌تواند همانند مستی الهی عمل کند) نظر استعلامی‌ را می توان بر دیگر نظرات شارحان بهتر و نظر شارحانی همچون زمانی و فروزانفر را قابل تأمل دانست.

و در ابیاتی دیگر از همین دفتر مستی این جهانی را در مقابل مستی حق که انسان را متنبه می‌کند خوار و پست می‌داند و می‌گوید:
(بیت ۲۹۷)

انقروی:
انقروی بیت را اقتباس از این آیه‌ی سوره‌ی رعد« وَماکانَ لِرَسُولِ ،ایُّ ماصَح لِرَسُولُ وَلَکُم یَکن فی وُسعِهِ اَن یَأتی بِاَیهِ.» وبرای یک رسول صحیح ندانستیم که از آیات یک آیه بیاور«مگر به اذن خدا بیاورد هرچه باشد برای هروقت و….عنده‌ام الکتاب:لوح قضاءسابقه در نزد خداوند است.»می‌داندوسپس به توضیح انواح لوح می‌پردازد.مراد از حرف را جمیع قوالب انسانی می‌داند ومراد از بحر معنی راام الکتاب بیان کرده است واینگونه تفسیر می‌کند«حرف همچون ظروف است،وهر معنی که درهر کلمه موضوع است مانند آب است،وتلخی وشیرینی صفت آب است نه ظرف،ونیکی وبدی مربوط به معنای می‌باشد نه حرف.کذلک ایمان ونفاق وخلاف و وفاق از معنای انسان حاصل شده است نه از قلبش.و بحر معنی هم در نزد خدا ثابت است،وآن‌ام الکتاب ولوح محفوظ است.»(انقروی،۱۳۸۰:۱۴۸)

نیکلسون:
«امّ الکتاب،کتاب علم الهی و قضاء سابق نیز هست.این کتاب هر چیز گذشته،حال وآینده را از ازل تا به ابد شامل است. معنی اصلی نام‌هایی چون مؤمن ومنافق از علم ازلی خداوند نشأت می‌گیرد وبرروح‌هایی که این نام‌ها بدان تعلق دارد مقدّر واطلاق می‌گردد.خداوند مؤمن راستین را ظرفی ساخته است از لطف و رحمت خویش و منافق را ظرفی از قهر و غضب خویش»(نیکلسون،۱۳۸۴:۶۴)
فروزانفر:
عقیده‌ی فروزانفر بر این است که منظور از «امّ الکتاب: لوح محفوظ در لسان شرع،علم حق تعالی به وجه شمول وکلّیت می‌باشد وبیت را این گونه تفسیر می‌کند.«اصل هر معنی که در جهان خارج است ذات حق واسما وصفات پاک اوست واز این رو آن را «بحر معنی»می‌خواند چنانکه گفته است:

(فروزانفر،۱۳۸۲:۱۳۶)

ابزارهای داده‌کاوی در راستای تحلیل داده‌های مشتری در ساختار CRM تحلیلی، بسیار مرسوم هستند. بسیاری از سازمان‌ها داده‌هایی در مورد مشتریان جاری، مشتریان بالقوه، تامین‌کنندگان و شرکای تجاری جمع‌ آوری و ذخیره می‌کنند. عدم توانایی کشف اطلاعات ارزشمند پنهان در میان این داده‌ها مانع از این می‌شود که سازمان‌ها این داده‌ها را به دانش مفید و با ارزش تبدیل کنند. ابزارهای داده‌کاوی کمک می‌کنند تا سازمان‌ها این دانش نهفته را از میان حجم عظیم داده‌ها استخراج کنند.
کاربرد ابزارهای داده‌کاوی در CRM، روندی نوظهور در تجارت جهانی است. با وجود داده‌های جامع مشتریان، تکنولوژی داده‌کاوی می‌تواند هوش تجاری با قابلیت ایجاد فرصت‌های جدید فراهم آورد. تحلیل و فهم رفتار و مشخصات مشتری مبنای توسعه یک استراتژی CRM رقابتی برای بدست آوردن و نگه داشتن مستریان بالقوه و ماکزیمم کردن ارزش مشتری است.

از آنجایی که تکنولوژی CRM در ارتباط مستقیم با داده‌های مشتری است و هر کجا که داده‌های وسیع وجود داشته باشد ابزارهای داده‌کاوی می‌توانند مفید باشند، اکثر تکنیک‌ها و استراتژی‌های CRM می‌توانند از داده‌کاوی بهره بگیرند. در ادامه نمونه‌هایی از این کاربردها را توضیح خواهیم داد.
داده‌کاوی برای بهبود بازاریابی مستقیم^[۱۱۹]
از تبلیغات می‌توان برای رسیدن به مشتریان بالقوه‌ای که چیزی در مورد آنها به عنوان یک فرد نمی‌دانیم استفاده کرد. اما در مقابل، بازاریابی مستقیم، نیازمند داشتن حداقل اندکی اطلاعات مانند نام فرد به همراه آدرس، شماره تلفن یا آدرس پست الکترونیک است. پایه‌ای‌ترین کاربرد داده‌کاوی، تعیین لیست مشتریان بالقوه برای برقراری تماس با آنها است.
در واقع، مرحله اول هدف‌گیری، نیازی به داده‌کاوی ندارد بلکه تنها به داده نیاز است. حتی در کشورهای توسعه‌یافته هم داده‌های بسیار کمی نسبت به بزرگی جامعه در دسترس است. در بسیاری از کشورها شرکت‌هایی وجود دارند که داده‌هایی را در سطح خانوارها در مورد موضوعات گوناگون از جمله درآمد، تعداد فرزندان، سطح تحصیلات و حتی نوع تفریحات جمع‌ آوری کرده و می‌فروشند. از طرف دیگر، قوانین حاکم بر استفاده از این داده‌ها برای اهداف بازاریابی از کشوری به کشور دیگر متفاوت است.
می‌توان داده‌های در سطح خانوار را به طور مستقیم برای تقسیم‌بندی اولیه بر اساس درآمد، تملک خودرو و وجود فرزندان بکار برد. مشکل این است که حتی بعد از فیلتر کردن اطلاعات هم داده‌های باقیمانده به میزان زیادی به تعداد مشتریان بالقوه که احتمال دارد جواب بدهند وابسته خواهد بود؛ بنابراین، کاربرد اصلی داده‌کاوی در مورد مشتریان بالقوه، هدف‌گیری مشتریان یعنی پیدا کردن مشتریان بالقوه‌ای که احتمالا به پیشنهاد ارائه شده پاسخ واقعی می‌دهند، است (شهرابی ۱۳۹۰a).
فعالیت‌های بازاریابی مستقیم معمولا دارای نرخ‌های پاسخ بسیار کم و تک‌رقمی هستند. از مدل‌های پاسخ^[۱۲۰] با تعیین مشتریان بالقوه‌ای که احتمال پاسخ به یک درخواست مستقیم را دارند، برای بهبود نرخ پاسخ استفاده می‌شود (شهرابی ۱۳۹۰a). مفیدترین مدل‌های پاسخ، تخمین واقعی از احتمال پاسخ را فراهم می‌کنند. هر مدلی که امکان رتبه‌بندی مشتریان بالقوه را بر اساس احتمال پاسخ‌دهی فراهم کند، مناسب است. تکنیک‌های داده‌کاوی را می‌توان برای مدل‌سازی پاسخ و بهبود بازاریابی مستقیم بکار برد.
بخش‌بندی مشتریان^[۱۲۱]
بخش‌بندی مشتریان یکی از کاربردهای معمول داده‌کاوی در رابطه با مشتریانی است که جذب سیستم شده‌اند؛ هدف بخش‌بندی، همگن نمودن محصولات، خدمات و پیام‌های بازاریابی با هر کدام از بخش‌ها است (شهرابی ۱۳۹۰a). بخش‌بندی مشتریان پایه فعالیت‌های شرکت در زمینه‌های فروش، بازاریابی و خدمت رسانی است. مشتریان در هر دسته دارای خصوصیات مشابهی هستند و مشتریان که در دسته‌ه ای مختلف هستند ویژگی‌های متفاوتی دارند. بخش‌بندی مشتریان بطور سنتی بر اساس تحقیقات در بازار و ویژگی‌های جمعیت‌شناختی صورت پذیرفته و مثلا بخش‌هایی چـون “جوان و مجرد” بوجود می‌آید. مشکل انجام بخش‌بندی مشتریان بر اساس تحقیقات در بازار این است که بکارگیری نتایج حاصله از مطالعه برای مشتریانی که آن مطالعه شامل آنان نبوده مشکل است؛ از سوی دیگر، مشکل بخش‌بندی بر اساس ویژگی‌های جمعیت‌شناختی هم این است که مثلا تمامی افراد “جوان و مجرد” یا “کسانی که تنها زندگی می‌کنند” به راستی دارای سلیقه و گرایشی نیستند که به آنها در مورد کالاها و خدمات نسبت داده شده است.
تحلیل تعداد محدودی از متغیرها و نداشتن نگاه جامع مشتمل بر تمامی متغیرها از جمله معایب بخش‌بندی بوسیله ابزارهای تحقیقات بازار است. دانش داده‌کاوی با برخورداری از توانمندی در نظر گرفتن تمامی متغیرها، نتایج کاملا عینی، واقعی و کاربردی ارائه می کند (شهرابی ۱۳۹۰a).
همچنین به منظور پیاده‌سازی روش‌های بازاریابی مستقیم از تکنیک‌های خوشه‌بندی استفاده می‌شود تا با تقسیم‌بندی مشتریان در خوشه‌های مختلف از این خوشه‌ها به عنوان مبنای دسته‌بندی و پس از آن پیش‌بینی دسته هر مشتری استفاده می‌شود (Ngai, Xiu et al. 2009). بخش‌بندی مشتریان اساس بازاریابی و سرویس‌دهی اثربخش یک سازمان است که تعداد زیاد مشتریان را در دسته‌هایی طبقه‌بندی می‌کند که چنانچه ذکر شد مشتریان یک دسته دارای خصوصیات مشابهی با هم و خصوصیات متفاوتی با مشتریان سایر گروه‌ها هستند. در مقایسه با روش‌های سنتی بخش‌بندی مشتریان، استفاده از تکنیک‌های داده‌کاوی مزایایی دارد که در ذیل به آنها اشاره می‌کنیم:

• • نتایج بخش‌بندی به کمک داده‌کاوی بر اساس واقعیت داده‌ها شکل می‌گیرد و نقش فاعلی افرادی که داده‌ها را پردازش می‌کنند حذف می‌گردد که باعث می‌شود نتایج نهایی هدف نشان دادن تفاوت‌های میان جمعیت‌ها را بیشتر محقق کند.

• • مشخصات تقسیم‌بندی مشتریان در گروه‌های متفاوت را به صورت جامع‌تر نمایش می‌دهد که این موضوع منجر به شناخت کامل‌تر متخصصان بازاریابی از مشتریان می‌شود و از این طریق برنامه‌های بازاریابی هدفمند و اختصاصی قابل اجرا است.

• • تغییرات رفتاری مشتریان می‌تواند به سادگی با کنار هم گذاشتن مدل‌های تحلیل خوشه‌بندی و به روز کردن گروه مشتریان به صورت منظم پیکیری شود.

قرار دادن تعدای از ویژگی‌های مشتریان در مجموعه‌ای تحت عنوان پروفایل مشتریان روش مرسوم است که از آن برای بخش‌بندی مشتریان در گروه‌های با رفتار مشابه مثلا خرید محصولات یکسان، استفاده می‌شود. داده‌کاوی می‌تواند نرخ پاسخ کمپین‌های بازاریابی را با تقسیم‌بندی مشتریان به گروه‌های با خصوصیات و نیازهای متفاوت افزایش دهد.
افزایش ارزش مشتری
محاسبه ارزش مشتری پیچیده است و این محاسبات بطور معمول شامل یافتن تعاریف صحیح مالی می‌شوند. یک بیان ساده از ارزش مشتری عبارت است از کل ارزش حاصله از وجود مشتری منهای کل هزینه مصرف شده برای حفظ مشتری (شهرابی ۱۳۹۰a). ولی هزینه‌ها بسیار مشکل آفرین هستند؛ تجارت‌ها دارای انواع هزینه‌هایی هستند که احتمالا از طریق خاصی به مشتریان اختصاص می‌یابند. حتی با در نظر نگرفتن هزینه‌های تخصیص یافته و توجه به هزینه‌های مستقیم، باز هم مسائل، همچنان گیج‌کننده خواهد بود. از طرف دیگر، ممکن است هزینه‌ها برای مشتریان مشابه، متفاوت باشد که این امر محاسبه ارزش مشتری را پیچیده‌تر می‌کند. از داده‌کاوی می‌توان برای برآورد ارزش آینده مشتریان استفاده کرد؛ این امر شامل تخمین سود حاصله از یک مشتری در هر واحد زمان و سپس تخمین این سود برای بقیه عمر مشتری است.
به منظور افزایش ارزش کسب شده از مشتریان موجود، استراتژی‌های فروش جانبی^[۱۲۲] بکار گرفته می‌شود. فروش جانبی بر اساس اصل برد – برد بنا شده است؛ یعنی شرکت‌ها محصولات جدیدشان را به مشتریان جاری خود می‌فروشند تا از این طریق اهداف دو طرف عرضه و تقاضا برآورده شود. مشتری به آسانی خدمت یا محصول مورد تقاضای خود را بدست می‌آورد و سازمان‌ها از طریق افزایش فروش خود سود کسب می‌کنند. در واقع فروش جانبی سود حاصله از مشتریان موجود را افزایش می‌دهد.
در مورد مشتریان فعلی، بیشترین تمرکز CRM بر افزایش سوددهی از طریق فروش جانبی است. از داده‌کاوی برای تعیین اینکه چه پیشنهادی را به چه کسی و در چه زمانی عرضه کرد استفاده می‌شود. یکی از روش‌ها در فروش جانبی که برای اجناس خرده‌فروشی بسیار مناسب است استفاده از قوانین همبستگی است. از قوانین همبستگی به منظور یافتن خوشه‌هایی از محصولات که معمولا با هم فروخته می‌شوند یا بوسیله فرد یکسانی در طول زمان خریداری می‌گردند، استفاده می‌شوند. مشتریانی که برخی و نه تمام اقلام موجود در یک خوشه را خریداری می‌کنند، مشتریان بالقوه مناسبی برای خرید سایر اقلام آن خوشه هستند.
داده‌کاوی و افزایش ارزش دوره عمر مشتری^[۱۲۳]
در برخی منابع، رویکرد CRM در چرخه عمر مشتری را متشکل از سه مرحله زیر در نظر گرفته‌اند (اکبری ۱۳۸۹):

1. 1. بدست آوردن مشتری^[۱۲۴]

1. 1. افزایش ارزش مشتری

1. 1. حفظ مشتریان خوب^[۱۲۵]

داده‌کاوی می‌تواند در هر یک از مراحل ذکر شده کارایی و سوددهی را افزایش دهد. اولین قدم در CRM شناسایی مشتریان احتمالی و تبدیل آنها به مشتریان فعال است. جذب مشتری به معنای بالفعل درآوردن تقاضای مشتریانی است که اطلاعات کمی از محصولات شما دارند. داده‌کاوی می‌تواند بصورت مناسبی مشتریان را دسته‌بندی کند، مشتریان احتمالی را شناسایی کند و از این طریق نرخ پاسخ به فعالیت‌های بازاریابی را افزایش دهد. چنانچه قبلا ذکر شد، مدل‌های پاسخ از ابزارهای کاربردی داده‌کاوی در این زمینه هستند که در واقع از تکنیک‌های دسته‌بندی و پیش‌بینی برای تشخیص مشتریانی که احتمالا به یک محصول یا خدمت پاسخ مثبت می‌دهند، استفاده می‌کنند.
کمپین‌های بازاریابی^[۱۲۶] یکی دیگر از استراتژی‌های CRM است که در مرحله جذب مشتری می‌تواند مفید باشد. داده‌کاوی کمک می‌کند تا شرکت‌ها با هزیته‌های کمتر و استراتژی‌های جذب کاراتر با توجه به خصوصیات متفاوت مشتریان، موفقیت بیشتری در کسب مشتریان داشته باشند. روش‌هایی چون بخش‌بندی بازار هدف^[۱۲۷] و مشتریان برای انجام بازاریابی هدفگرا متداول‌ترین ابزارها در این مرحله بشمار می‌روند.
داده‌کاوی می‌تواند با فهم فروش جانبی به بازاریابی موثرتر کمک کند. با آنالیز رفتار مشتریان موجود می‌توان سرویس‌ها و محصولات دیگر را به آنان ارائه کرد و با دسته‌بندی مشتریان میزان پاسخگویی مشتریان به کمپین‌های بازاریابی را افزایش داد. همچنین، از طریق داده‌کاوی می‌توان مشتریان باارزش‌تر سازمان را شناسایی کرد. مشتریانی که مصرف بیشتری دارند و به محصولات بیشتری پاسخ مثبت می‌دهند و نسبت به سازمان وفادارتر هستند، مشتریان باارزش به حساب می‌آیند.
بنابراین، در مرحله دوم یعنی افزایش ارزش مشتریان موجود، با بهره گرفتن از تکنیک‌های داده‌کاوی و تحلیل داده‌های مربوط به رفتار مشتریان و خریدهایشان، می‌توان پیشنهادهای مناسبی برای خرید سایر کالاها به آنها ارائه داد تا از این طریق ارزش مشتریان برای شرکت افزایش یابد بدون اینکه بدلیل پیشنهادات نامناسب موجب نارضایتی آنها شویم. همچنین، به کمک داده‌کاوی می‌توان روابط را با مشتریان شخصی‌سازی^[۱۲۸] کرد به نحوی که در مراجعات مجدد آنها با توجه به خریدهای گزشته‌شان، محصولات جدید و مرتبط که احتمالا مورد علاقه‌شان است به آنها پیشنهاد شوند. چنین فرایندی با بهره گرفتن از تکنیک‌های مختلف داده‌کاوی همچون قوانین همبستگی و خوشه‌بندی قابل انجام است (اکبری ۱۳۸۹).
در مرحله سوم، یعنی حفظ مشتریان خوب، آنچه قابل توجه است ذکر این نکته است که امروزه در سازمان‌ها هزینه‌ای که صرف جذب مشتری جدید می‌شود بسیار بیشتر از هزینه‌ای است که سازمان‌ها برای نگهداری مشتریان موجودشان انجام می‌دهند. بسیاری از شرکت‌ها بر این باورند که هزینه جذب یک مشتری جدید بین ۶ تا ۸ برابر حفظ مشتری موجود است. از این جهت، سازمان‌ها مبالغ بیشتری را صرف نگهداری مشتریان موجودشان می‌کنند.
تحلیل وفاداری مشتری^[۱۲۹]، سنجش میزان ماندگاری و ثبات مشتری است. سازمان‌ها تلاش می‌کنند تا با ارزیابی میزان وفاداری مشتریان‌شان، مشتریانی که دارای ریسک بالایی برای قطع استفاده از محصولات هستند را شناسایی کنند و با تعیین استراتژی‌های موثر وفادار‌سازی از میزان مشتریان از دست رفته بکاهند. همچنین، سازمان برای تعیین نحوه تخصیص منابع خود، مشتریان باارزش خود را هدفگذاری می کند تا منابع مالی محدود خود را صرف حفظ مشتریانی کند که سود بیشتری برای سازمان ایجاد می‌کنند.
داده‌کاوی می‌تواند از طریق تحلیل رفتار گذشته و تطبیق آن با رفتار مشتریان از دست رفته پیشین، مشتریانی که دارای احتمال بالای از دست رفتن هستند را شناسایی و پیش‌بینی کند. برای ساخت چنین مدل‌هایی می‌توان مشتریان را به سه دسته تقسیم کرد: اول مشتریانی که ارزشی برای سازمان ندارند. دومین دسته مشتریان با ارزش پایدار برای سازمان و دسته سوم مشتریان ناپایدار که به دنبال قیمت و کیفیت دلخواه خود هستند.
بنابر اصول CRM دسته سوم مهمترین دسته‌ای هستند که باید از آنها نگهداری کرد. با شناسایی این گروه از مشتریان می‌توان با تخصیص مشوق‌هایی چون تخفیف‌ها یا خدمات رایگان، آنها را به استفاده از محصولات ترغیب نمود و میزان وفاداری آنها را افزایش داد. همانطور که پیش از این عنوان شد، از آنجایی که برای اکثر شرکت‌ها هزینه جذب مشتری جدید بیشتر از حفظ مشتریان فعلی است، نیاز به استراتژی‌های صحیح در راستای حفظ مشتریان بسیار با اهمیت است. اولین نکته در این مسئله داشتن توانایی پیش‌بینی مشتریانی است که به احتمال زیاد از دست می‌روند. با انتخاب داده‌های مناسب می‌توان با بهره گرفتن از تکنیک‌های داده‌کاوی مدلی ارائه نمود که بتواند رفتار مشتریان را پیش‌بینی کند. مرحله بعدی، شناسایی مشتریان خوب شرکت است که با بهره گرفتن از تحلیل‌های ارزشگذاری مشتریان صورت می‌گیرد. در نهایت، باید راهکارهایی برای نگه داشتن مشتریان خوب شرکت ارائه نمود. بنابراین، در این بخش به سه مدل نیاز داریم؛ اول مدلی که مشتریانی که از دست خواهند رفت را پیش‌بینی کند، سپس مدلی که مشتریان خوب و با ارزش را از میان آنها شناسایی کند و نهایتا مدلی که روش‌هایی برای متقاعد کردن این مشتریان و حفظ آنها ارائه نماید (Edelstein 2000).
ابعاد CRM و کاربردهای داده‌کاوی
بر اساس (Ngai, Xiu et al. 2009)، CRM دارای چهار بعد شناسایی مشتری^[۱۳۰]، جذب مشتری^[۱۳۱]، حفظ مشتری^[۱۳۲] و توسعه مشتری^[۱۳۳] است. این چهار بعد را می‌توان به عنوان یک چرخه سیستم مدیریت مشتری در نظر گرفت.
شناسایی مشتری: CRM با شناسایی مشتری آغاز می‌شود. این فاز شامل هدف‌گذاری جمعیتی است که بیشترین احتمال برای تبدیل شدن به مشتری شرکت را دارند. علاوه بر این شامل تحلیل مشتریانی که در رقابت از دست رفته‌اند و تعیین چگونگی برگرداندن آنها است.
تحلیل مشتری هدف^[۱۳۴] و بخش‌بندی مشتری^[۱۳۵] عناصر اصلی شناسایی مشتری هستند (Ngai, Xiu et al. 2009). تحلیل مشتری هدف شامل جستجوی بخش‌های سودآور مشتریان از طریق آنالیز مشخصات پنهان مشتریان است. در این بخش از انواع تکنیک‌های توصیف‌کننده و پیش‌بینی‌کننده داده‌کاوی می‌توان استفاده نمود.
جذب مشتری: این فاز در ادامه فاز شناسایی مشتری است. پس از شناسایی بخش‌های مشتریان بالقوه، سازمان‌ها می‌توانند به صورت مستقیم تلاش و منابع خود را مصرف جذب مشتریان هدف نمایند. عنصر اصلی جذب مشتری، بازاریابی مستقیم^[۱۳۶] است. بازاریابی مستقیم یک فرایند ارتقاء انگیزه مشتریان برای سفارش از طریق کانالهای مختلف است (Ngai, Xiu et al. 2009). برای نمونه، پست مستقیم و توزیع کوپن مثال‌های معمولی بازاریابی مستقیم هستند.
حفظ مشتری: این فاز اساسی‌ترین نگرانی برای CRM است. رضایت مشتری^[۱۳۷] که در واقع قیاس بین انتظارات مشتری و احساس رضایتمندی وی است، مهمترین شرط برای حفظ مشتریان است. عناصر این فاز شامل بازاریابی یک به یک^[۱۳۸]، برنامه‌های وفاداری^[۱۳۹] و مدیریت شکایات^[۱۴۰] هستند(Ngai, Xiu et al. 2009). بازاریابی یک به یک از ابزارهای داده‌کاوی برای شخصی‌سازی نحوه ارتباط با هر یک از مشتریان استفاده می‌کند. بخش‌بندی و تحلیل ارزش مشتریان در این بعد نیز اهمیت و کاربرد فراوانی دارد.
توسعه مشتری: این فاز در بر گیرنده افزایش پایدار تعداد تراکنش‌ها، ارزش تراکنش‌ها و سودآوری مشتریان است. تحلیل ارزش دوره عمر مشتری، متقاعد کردن مشتری به خرید بیشتر، فروش جانبی و تحلیل سبد خرید عناصر این فاز هستند (Ngai, Xiu et al. 2009). در واقع در این فاز از تکنیک‌های داده‌کاوی برای یافتن راهکارهای مناسب و کارا برای افزایش ارزش قابل اکتساب از مشتریان فعلی استفاده می‌شود.
استفاده از روش RFM^[141] برای تحلیل ارزش مشتریان روشی متداول است که در کنار تکنیک‌های خوشه‌بندی کارایی مناسبی از خود نشان داده است. در این روش سه مشخصه تاخیر، فراوانی و مقدار پول به عنوان مبنای خوشه‌بندی و ارزشگذاری مشتریان در نظر گرفته می‌شوند (Cheng and Chen 2008).
داده‌کاوی و بازاریابی هدفمند
امروزه با تغییر رویکرد ارتباط با مشتریان، رویکرد شرکت‌ها در بازاریابی از بازاریابی با حجم بالا^[۱۴۲] به بازاریابی یک به یک تغییر یافته و همچنین شرکت‌ها به جای هزینه فراوان برای جذب مشتریان جدید و افزایش سهم بازار خود به دنبال حفظ مشتریان فعلی و افزایش سوددهی آنها هستند. داده‌کاوی به شرکت‌ها کمک می‌کند تا هرچه بیشتر به سمت مشتری ‌مداری حرکت کنند.
بازاریابان سه روش را برای افزایش ارزش مشتری مد نظر قرار داده‌اند (اکبری ۱۳۸۹):

الف) هدف کلی
بررسی مقایسه ای مقاومت به شکست دندان های ترمیم شده باتکنیک های مختلف و کامپوزیت های با بیس متفاوت
ب) اهداف اختصاصی
۱- تعیین مقاومت به شکست دندان در گروهی که کامپوزیت خلفی همراه با لایه حدواسط گلاس آینومر استفاده می شود.
۲-تعیین مقاومت به شکست دندان در گروهی که کامپوزیت خلفی همراه با لایه حدواسط کامپوزیت Flowable استفاده می شود.
۳-تعیین مقاومت به شکست دندان در گروهی که کامپوزیت خلفی بدون لایه حد واسط استفاده می شود.
۴-تعیین مقاومت به شکست دندان در گروهی که کامپوزیت کم انقباض استفاده می شود.
۵- تعیین مقاومت به شکست دندانهای سالم گروه کنترل
۶-تعیین مقاومت به شکست دندانهای تراش خورده و بدون ترمیم
۷-مقایسه مقاومت به شکست دندانها در گروه های مختلف
ج) اهداف کاربردی
نتایج حاصل از این طرح تحقیقاتی اطلاعاتی راجع به تاثیر لایه حد واسط و پلیمریزاسیون کامپوزیت بر مقاومت به شکست دندانهای ترمیم شده با دو نوع کامپوزیت و چهار روش مختلف ارائه خواهد داد و با بهره گرفتن از نتایج می توان تکنیک و ماده بهتر را برای این منظور استفاده کرد.

د) فرضیات
مقاومت به شکست در گروهی که کامپوزیت خلفی همراه با لایه حدواسط استفاده می شود با گروهی که لایه حد واسط در آن بکار نرفته یکسان است.
مقاومت به شکست در گروهی که کامپوزیت کم انقباض استفاده می شود با گروههایی که در آنها از کامپوزیت دای متاکریلات استفاده شده یکسان است.
مقاومت به شکست در گروه های آزمایشی با گروه های کنتر ل یکسان است.
فصل دوم
روش کار و مواد
مواد:
کامپوزیت خلفیFiltek^TM P60(3M-ESPE)
این ماده ی ترمیمی نوعی کامپوزیت لایت کیور و رادیواپک می باشد که برای استفاده در نواحی خلفی طراحی شده است. فیلر موجود در آن، زیرکونیا/سیلیکا می باشد. میزان فیلر معدنی آن ۶۱% حجمی (بدون احتساب سایلن) و با اندازه ای بین ۰۱/۰ تا ۵/۳ میکرون است. Filtek P60، حاوی رزین های , BIS-GMA , UDMA BIS-EMAمی باشد. از ادهزیو ۳M ESPE برای باند دائمی ترمیم به دندان استفاده می شود. (تصویر۱-۲)
کامپوزیت فلویFiltek^TM Supreme XT(3M-ESPE)
این ماده ی ترمیمی نوعی نانو کامپوزیت فلو با ویسکوزیته ی پایین، لایت کیور و رادیواپک بوده که حاوی رزین هایbis-GMA, TEGDMA ,bis-EMA می باشد. فیلر موجود در آن ترکیبی است از نانو فیلرهای سیلیکای non-agglomerated/non aggregated با اندازه ی ۷۵ نانومتر؛ نانو فیلرهای زیرکونیا non-agglomerated/non aggregated با اندازه ی ۱۵ تا ۲۰ نانومتر؛ و نانو کلاسترهای زیرکونیا/سیلیکای loosely bound agglomerated شامل ذرات اولیه ی زیرکونیا/سیلیکا با اندازه ی ۵ تا ۲۰ نانومتر. اندازه ی ذرات کلاستر بین ۶/۰ تا ۴/۱ میکرون می باشد. میزان فیلر معدنی آن ۶۵% وزنی (۵۵% حجمی) است. (تصویر۱-۲)
DenFil^TM Etchant-37 (Vericom Co. USA)
این ماده حاوی فسفریک اسید ۳۷% بوده که توسط مواد پلیمریک طبیعی تغلیظ شده و در فرم شبه ژل طراحی شده است. DenFil^TM Etchant-37، برخلاف اچ کننده های تغلیظ شده با سیلیکا، هیچگونه پس مانده ای را روی سطح اچ شده ی دندان برجای نمی گذارد. (تصویر۱-۲)
Adper^TM Single Bond(3M-ESPE)
سیستم ادهزیوAdper^TM Single Bond نوعی سیستم چسباننده با کاربرد راحت و wet-bonding می باشد که امکانات زیادی را در اختیار کاربر قرار می دهد.Film thickness این ماده، پایین و در حد ۱۰ میکرومتر می باشد. توسط کیور کردن با نور مرئی فعال می شود و پیش از کاربرد آن، باید مینا و عاج را اچ کرد. سطح اچ شده پس از شستشو باید تا حدی مرطوب باشد ولی رطوبت اضافی سطح را باید گرفت. (تصویر۱-۲)
کامپوزیت خلفی و سیستم ادهزیوFiltek^TM P90(3M-ESPE)
این کامپوزیت خلفیLow Shrink ،لایت کیور و رادیواپک بوده و دارای بیس سایلورانی می باشد. ماتریکس رزینی آن، هیدروفوب بوده و دارای انقباض بسیار کم ناشی از پلیمریزاسیون و جذب بسیار کم آب می باشد. میزان فیلر معدنی آن ۵۵% حجمی (۷۶% وزنی) و اندازه ی فیلرها بین ۱/۰ تا ۲ میکرومتر می باشد.
سیستم ادهزیو P90، شامل یک پرایمر سلف اچ و یک باند می باشد. این باند، با توجه به ویسکوزیته ی منحصر به فردش، به طور کامل و یکنواخت بر روی دیواره های حفره پخش می شود.
ماده ی کامپوزیت و سیستم ادهزیو P90، به وسیله ی دستگاه لایت کیور LED یا هالوژن کیور می شوند.(تصویر۱-۲)
گلاس یونومرFuji LC2 (GC Corporation, Japan)
موارد مصرف این گلاس یونومر عبارتند از ترمیم پوسیدگی های کلاس ۳ و ۵ و خصوصا اروژن های سرویکالی و پوسیدگی های سطح ریشه، بیلدآپ کور و به عنوان بیس یا لاینر در زیر ترمیم. نسبت پودر به مایع آن نیز ۲/۳ به ۱ گرم می باشد.(تصویر۱-۲)
تصویر۱-۲:مواد مصرفی مورد مطالعه
روش مطالعه:
جمع آوری و مانت نمونه ها:
در این مطالعه ی آزمایشگاهی ۶۰ عدد دندان پرمولر ماگزیلاری سالم، بدون پوسیدگی، ترمیم و شکستگی که به مقاصد ارتودنسی کشیده شده بودند انتخاب شده و پس از برداشتن بقایای بافتی از روی آن ها، تا فرا رسیدن زمان آزمایش در آب مقطر نگهداری شدند. جهت رعایت کنترل عفونت، نمونه ها به مدت ۲۴ ساعت در محلول تیمول ۱% قرار گرفتند. دندان ها تا ۲ میلیمتری زیر CEJ با اپوکسی رزین مانت شدند به طوری که محور طولی دندان ها بصورت عمودی قرار گرفت.
تهیه حفرات:
روی ۵۰ عدد از دندان ها و پس از اندازه گیری فاصله ی بین کاسپی، حفرات کلاس دو استاندارد MOD تراشیده شد به طوری که عرض باکولینگوال حفره در ناحیه ی اکلوزالی ۳/۲ و در ناحیه ی ایسموس ۲/۱ فاصله ی بین کاسپی بود و عمق حفره در ناحیه ی اکلوزال ۲ میلی متر و در ناحیه ی باکس ۵/۳ میلی متر و ۱ میلی متر بالاتر از CEJ بود. ضخامت کف جینجیوال حفره نیز به اندازه ی قطر فرز مورد استفاده (۸/۰ میلیمتر) بود. جهت هماهنگی بیشتر بین حفرات تهیه شده، از یک پروب پریودنتال به عنوان راهنما استفاده شد. تهیه ی حفرات، با فرز فیشور کوتاه الماسی (Fissure Diamond Stone # A835314008, DIAMANT, Germany) بر روی توربین با خنک کننده ی آبی انجام و پس از هر پنج تهیه ی حفره، فرز تعویض می شد.(تصاویر۲-۲ و۳-۲)
تصویر۲-۲ :حفره ی کلاس دو تهیه شده بر سطح نمونه
مراحل ترمیم نمونه ها:
پس از اتمام آماده سازی حفرات، نمونه ها به چهار گروه ۱۰ تایی براساس روش ترمیم و نوع کامپوزیت بکار رفته، به شرح ذیل تقسیم شدند:
گروه اول : کامپوزیت خلفی (Filtek^TM P60)
گروه دوم : لایه ی حدواسط گلاس آینومر (Fuji LC) + کامپوزیت خلفی (Filtek^TM P60)
گروه سوم : لایه ی حدواسط کامپوزیت Flowable (Filtek^TM Supreme XT)+ کامپوزیت خلفی (Filtek^TMP60)
گروه چهارم : کامپوزیت خلفی Low shrink (Filtek^TM P90)
ده عدد دندان تراش خورده به عنوان گروه کنترل منفی بدون ترمیم باقی ماند (گروه پنجم :Cavity) و ده عدد دندان به عنوان گروه کنترل مثبت به صورت تراش نخورده (گروه ششم :Sound) در تمام مدت مطالعه در رطوبت ۱۰۰% و دمای ۳۷ درجه ی سانتی گراد درون ظرف حاجب نور نگهداری شدند.
جهت شبیه سازی هر چه بیشتر به شرایط کلینیک، از نوار ماتریکس فلزی و ماتریکس هولدر تافل مایر استفاده شد.(۴-۲)
حفرات تراشیده شده در گروه های اول (ترمیم شده با کامپوزیت خلفی (Filtek P60)) و سوم (ترمیم شده با لایه ی حدواسط کامپوزیت Flowable (Filtek Supreme XT)+ کامپوزیت خلفی (Filtek P60))، به مدت ۲۰ ثانیه با ژل اسید فسفریک ۳۷% اچ شده و پس از شستشو به مدت ۱۵ ثانیه، به آرامی با پوار هوا خشک شدند.
پس از خشک نمودن این حفرات، به نحوی که سطح عاج اندکی مرطوب باقی بماند، ادهزیو Single Bond در دو لایه بوسیله ی برس زده شده و به مدت ۲۰ ثانیه با دستگاه bluephase (Ivoclar Vivadent AG Fl-9494 Schaan, Liechtenstein, Austria) با شدت ۶۵۰ mw/cm² کیور شد (تصویر ۵-۲).
در گروه دوم (ترمیم شده با لایه ی حدواسط گلاس آینومر + کامپوزیت خلفی (Filtek P60)) ابتدا سمان گلاس یونومر رزین مدیفاید (Fuji LC) با ضخامت ۵/۰ میلیمتر قرار داده شد و ۴۰ ثانیه کیور شد و سپس بقیه مراحل ترمیم مانند گروه های اول و سوم انجام شد.
برای حفرات تراشیده شده در گروه چهارم (ترمیم شده با کامپوزیت خلفیLow shrink (FiltekP90))، از پرایمر و باند مخصوص P90 استفاده شد. به این ترتیب که ابتدا پرایمر را بر روی سطح حفره زده و جهت یکنواخت کردن آن از جریان ملایم پوار هوا استفاده و به مدت ۱۰ ثانیه کیور شد. سپس به همین ترتیب، باند را بر سطح پرایمر زده و به مدت ۱۰ ثانیه کیور شد.
لایه های حد واسط به ضخامت ۵/۰ میلی متر قرار داده و کیور شدند.

۸۴/.

نوع آرم برند

۳

۷۶/.

فصل چهارم
تجزیه و تحلیل داده ها
۴-۱ مقدمه
هدف از نگارش فصل چهار، پاسخ به سؤالات یا فرضیه ­های پژوهش است. در این فصل، داده ­های بدست آمده در رابطه با هر پرسش، هدف یا فرضیه، توصیف و مورد تجزیه و تحلیل قرار می­گیرند.کار تحلیل این است که مجموعه­های وسیع، پیچیده و حتی غیرقابل درک داده ­ها را به واحدها، الگوها و شاخص­ های قابل درک در مسائل پژوهشی تبدیل نماید. بنابراین مقصود اصلی از تحلیل، تنظیم و خلاصه کردن داده ­ها به صورت اطلاعاتی روشن،گویا، مستدل و تفسیر پذیر است؛ به گونه ­ای که بتوان روابط موجود در مسائل پژوهشی را کشف و بررسی نمود.

نتایج در دو بخش یافته های توصیفی و یافته های استنباطی ارائه شد. در بخش یافته های توصیفی از مقادیر فراوانی، درصد فراوانی، میانگین واستاندارد و نمودارهای ستونی و دایره ای جهت توصیف متغیرهای جمعیت شناختی و اصلی استفاده شد. در بخش یافته های استنباطی، فرضیه های پژوهش آزمون شدند و معنی دار بودن روابط و قابلیت تعمیم نتایج از نمونه به جمعیت آماری بررسی شد.
گویه ­ها یا پرسش­های مربوط به هر متغیر از نوع رتبه­ای (ترتیبی) بوده است اما بدین دلیل که متغیرهای پژوهش ترکیبی از چند گویه هستند در نتیجه با کمی تسامح، آن ها به عنوان متغیرهای فاصله­ای (شبه فاصله ای) در نظر گرفته شدند و در برخی آمار توصیفی و استنباطی از آزمون های مرتبط با متغیرهایی که در سطح فاصله ای هستند استفاده شده است. برخی معتقدند که در مواردی که چند متغیر ترتیبی با هم ترکیب می­شوند و مقیاسی برای یک مفهوم انتزاعی ساخته می­ شود می­توان آن­ها را با تسامح مقیاس فاصله­ای در نظر گرفت(نایبی، ۱۹:۱۳۸۸).
۴-۲ آماده سازی داده ها برای تحلیل
الف) داده های پرت
قبل از تحلیل داده ­ها و آزمون فرضیه ­ها و در مرحله وارسی و غربال­گری داده، به بررسی مقادیر پرت یا دورافتاده پرداخته شد. افرادی که اندازه­ های انتهایی یا غیرمعمول در یک متغیر واحد (تک متغیری) یا در ترکیبی از متغیرها (چندمتغیری) دارند، دورافتاده یا پرت (Outliers) نامیده می شوند. داده های پرت اغلب سه یا بیش از سه واحد انحراف معیار از میانگین مربوط به خودشان فاصله دارند که از مشکلات احتمالی در ابزار اندازه گیری، شیوه ثبت یا ضبط پاسخ ها یا عضویت شرکت کنندگان در جامعه ای که فرض می شود از آن نمونه گیری شده است، ناشی می شود. حضور داده های پرت می ­تواند نتایج تحلیل را به گونه ­ای نامطلوب تحت­تاثیر قرار دهد(تحریف کند). به همین دلیل بیشتر متخصصان آمار پیشنهاد می کنند که اندازه های پرت قبل از تحلیل داده ها باید حذف شوند.
در ابتدا مقادیر پرت تک متغیره و سپس چند متغیره مورد بررسی قرار گرفت. مقادیر پرت تک متغیره با بهره گرفتن از توزیع فراوانی و نمودار جعبه ای(Box Plot) تشخیص داده شدند و چنانچه مقدار آن ها افراطی بود، ارزیابی شده و در صورت لزوم از تحلیل کنار گذاشته شدند. مقادیر پرت چند متغیره با بهره گرفتن از محاسبه فاصله مهالانوبیس (Mahalanobis) شناسایی شد و از تحلیل کنار گذاشته شد. آماره فاصله مهالانوبیس یعنی D² ، «فاصله» چندمتغیری بین هر فرد و میانگین چندمتغیری گروه را (که کانون نامیده می شود) اندازه گیری می­ کند. هر فرد با بهره گرفتن از توزیع مجذور کای با سطح آلفای دقیق ۰۰۱/. ارزیابی می شود. افرادی را که به این آستانه معنی­داری می رسند می­توان به عنوان موارد پرت چندمتغیری تلقی کرد و به احتمال باید از نمونه حذف شود(میزر، گامست و گارینو،۱۰۶:۱۳۹۱). داده ها با بهره گرفتن از روش های ذکر شده از نظر وجود داده های پرت ارزیابی شد.
ب) داده های ناقص
در ارتباط با داده ­های ناقص بدین دلیل که در تمامی سوالات میزان بی­پاسخی کمتر از ۵ درصد کل بود، در نتیجه از روش­های جایگزینی مقادیر گمشده استفاده شد. مقادیر گمشده با بهره گرفتن از روش اِسناد بیشینه­کردن انتظار(Expectation Maximization) جایگزین شد. این روش از رویکرد حداکثر درست­نمایی برای برآورد اندازه­ های از دست رفته استفاده می کند. میزر و همکاران (۱۳۹۱) برای مدیریت داده های از دست رفته استفاده از این روش را توصیه می­ کنند چرا که این­روش، برآورد اندازه­ های جایگزین را به خوبی انجام می­دهد(میزر،­گامست­و گارینو،۱۰۴:۱۳۹۱). داده های ناقص موجود با بهره گرفتن از روش بیشینه کردن انتظار با مقادیر مناسب جایگزین شدند.
۴-۳ یافته های توصیفی
۴-۲-۱- ویژگی های جمعیت شناختی
جنس افراد
در جدول ۴-۱ فراوانی جنس افراد گزارش شده است. همانطور که ملاحظه می شود دوسوم پاسخگویان که برابر با ۶۷ درصد می شوند مرد هستند و ۳۳ درصد هم زن هستند. نمودار دایره ای جنس افراد در ادامه گزارش شده است.
جدول شماره ۴-۱ جدول فراوانی جنس پاسخگویان

درصد فراوانی

فراوانی

جنس

۶۷

۲۵۹

مرد

۳۳

۱۲۷

زن

۱۰۰

۳۸۶

مجموع

شکل ۴-۱ نمودار دایره­ای جنس افراد (درصد)
سن
افراد برحسب سن در چهار دسته تقسیم شدند که شامل سن ۲۰ تا ۳۰ سال، ۳۱ تا ۴۰ سال، ۴۱ تا ۵۰ سال و ۵۰ سال به بالا است. همانطور که ملاحظه می­ شود ۱۸ درصد افراد بین ۲۰ تا ۳۰ سال، ۳۹ درصد افراد بین ۳۱ تا ۴۰ سال، ۳۲ درصد افراد بین ۴۱ تا ۵۰ سال و ۱۱ درصد افراد بیشتر از ۵۰ سال سن دارند. نمودار ستونی طبقات سنی در ادامه ارائه شده است. نتایج بدین معناست که ۷۱ درصد افراد بین ۳۱ تا ۵۰ سال سن دارند.

برنامه مداخلاتی مشاوره گروهی به شیوه بازسازی شناختی مبتنی برتمثیل

ابزارهای اندازه گیری

فهرست جداول
جدول (۱-۲) نیرومندیها (توانمندیها) برای تغییر از طریق مداخلات روانشناسی مثبت

جدول (۲-۲) مقایسه سه رویکرد آدلر، الیس و بک
جدول (۳-۲) منابع سطح فردی، خانوادگی و اجتماعی- محیطی
جدول (۴-۲) خلاصه تاب آور درمانی
جدول (۵-۲) معنی و مضمون در بازسازی شناختی
جدول (۴-۲) تمثیل های مرتبط با تحریفهای شناختی
جدول (۵-۲) تمثیل های مرتبط با باورهای نا کار آمد
جدول (۱-۳) حجم نمونه گروه های آزمایش
جدول (۱-۴) توزیع فراوانی و درصد «آزمودنی های گروه های آزمایش و لیست انتظار»
جدول (۲-۴) توزیع فراوانی و درصد« سن» شرکت کنندگان
جدول (۳-۴) توزیع فراوانی و درصد «رشته تحصیل» شرکت کنندگان
جدول (۴-۴) توزیع فراوانی و درصد «استان محل زندگی و خدمت» شرکت کنندگان
جدول (۵-۴) توزیع فراوانی و درصد «میزان تحصیلات پدر» شرکت کنندگان
جدول (۶-۴) توزیع فراوانی و درصد «ترتیب تولد» شرکت کنندگان
جدول (۷-۴) میانگین و انحراف معیار نمره مقیاس سلامت روان در سه گروه به تفکیک پیش آزمون ، پس آزمون و پیگیری
جدول (۸- ۴) نتایج تحلیل کوواریانس پس آزمون « سلامت روانی» با برداشتن اثر پیش آزمون
جدول (۹-۴) خلاصه اطلاعات مقایسه های پس آزمون
جدول (۱۰-۴) نتایج تحلیل کواریانس پیگیری نمره سلامت روانی با برداشتن اثر پیش آزمون
جدول (۱۱-۴) نتایج تحلیل کوواریانس پس آزمون «خرده مقیاس شکایات جسمانی» با برداشتن اثر پیش ازمون
جدول (۱۲-۴) نتایج تحلیل کواریانس پس آزمون «خرده مقیاس اضطراب و اختلال خواب» با برداشتن اثر پیش آزمون
جدول (۱۳-۴) نتایج تحلیل کواریانس پس آزمون «خرده مقیاس اختلال در کارکرد اجتماعی » با برداشتن اثر پیش آزمون
جدول (۱۴-۴) خلاصه اطلاعات مقایسه های پس آزمون
جدول (۱۵-۴) نتایج تحلیل کواریانس پیگیری «خرده مقیاس اختلال در کارکرد اجتماعی» با برداشتن اثر پیش آزمون
جدول (۱۶-۴) آزمون آنالیز واریانس یکطرفه بین گروه های آزمایشی در «خرده مقیاس افسردگی»
جدول (۱۷-۴) میانگین انحراف معیار مقیاس تاب آوری در سه گروه به تفکیک پیش آزمون ،پس آزمون و پیگیری
جدول (۱۸-۴) نتایج تحلیل کوواریانس پس آزمون «مقیاس تاب آوری» با برداشتن اثر پیش آزمون
جدول (۱۹-۴) خلاصه اطلاعات مقایسه های پس آزمون
جدول (۲۰-۴) نتایج تحلیل کواریانس پیگیری نمره تاب آوری با برداشتن اثر پیش آزمون
جدول (۲۱-۴) میانگین و انحراف معیار مقیاس امیدواری در سه گروه به تفکیک پیش آزمون ،پس آزمون و پیگیری
جدول (۲۲-۴) آزمون آنالیز واریانس یکطرفه بین گروه های آزمایشی عامل امید
جدول (۲۳-۴ ) آزمون T وابسته بین پیش آزمون و پس آزمون افکار ناکارآمد (DAS) در گروه بازسازی شناختی مبتنی بر تمثیل
فهرست شکل ها و نمودار ها
شکل (۱-۲) چارچوب تاب آوری (کامپفر)
شکل (۲-۲) نمایش حرکت رو به جلو و عقب مرتبط با تفکرات عامل،گذرگاه و هدف در امید درمانی
شکل (۳-۲) چرخ تکالیف زندگی در نظریه آدلر
شکل (۴-۲) انگیزههای آگاهانه و ناآگاهانه رفتار بچه ها
نمودار (۱-۴) ) توزیع فراوانی و درصد« سن» شرکت کنندگان

۲۲
۲۹
۳۶
۴۱
۷۱
۸۰