سیده فاطمه زین العابدینی - کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه شیراز، شیراز، ایران
محمد خان بابایی - دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت فناوری اطلاعات، تهران، ایران

بانک ها به منظور ارائه خدمات الکترونیکی به مشتریان خود نیازمند شناسایی و تحلیل رفتار آن ها هستند. تکنیک های داده کاوی می توانند در حجم زیاد داده های مشتریان به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی کمک کنند. مسئله اصلی، چگونگی به کارگیری تکنیک های داده کاوی و مدل تحلیل RFM در شناسایی و تحلیل رفتار مشتریان در بخش بندی و طبقه بندی و انتخاب گروه هایی از مشتریان ارزشمند است. مدل پیشنهادی در این مقاله بر مبنای فرایند استاندارد CRISP در داده کاوی بوده و در آن بعد از آماده سازی و پیش پردازش داده ها، دو رویکرد مطرح می شود. ۱. بخش بندی مشتریان به کمک خوشه بندی و محاسبه ارزش هر مشتری در خوشه ها و رتبه بندی آن ها برای پیدا کردن ارزشمندترین خوشه ها. ۲. امتیازدهی وتعیین ارزش مشتری به عنوان ویژگی هدف در ساخت مدل های طبقه بندی میزان ارزش مشتریان. از مجموعه داده جمعیت شناختی و تراکنشی مشتریان برای آموزش و تست مدل پیشنهادی استفاده شد. نتایج نشان می دهد که به کارگیری مدل پیشنهادی می تواند مشتریان را بر اساس رفتار آن ها شناسایی و تحلیل نموده و به بخش بندی و طبقه بندی آن ها بپردازد تا پشتیبانی از تصمیمات برنامه های بازاریابی و ارتقا آن انجام شود.

داده کاوی, بخش بندی مشتری, رفتار مشتری, بانکداری الکترونیکی