الگوی چند هدفه تخصیص خدمات بانک به مشتریان خوشه بندی شده

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 72

This Paper With 19 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ORMR-8-2_006

تاریخ نمایه سازی: 8 آذر 1402

Abstract:

پژوهش های اخیر نشان داده است که بانک ها با شناسایی و تقسیم بندی مشتریان به گروه هایی با نیازها و الگوهای رفتارهای مشابه می توانند سودآوری خود را از ارائه خدمات و محصولات به شدت افزایش دهند و با شناسایی مشتریان مشابه، رفتار آنها را تحلیل و جهت کسب بیشترین مطلوبیت برای آنها، خدمات و محصولات خود را عرضه کنند. در این پژوهش بر اساس پنج ویژگی هریک از مشتریان شامل آخرین زمان مراجعه، تعداد تراکنش، مبلغ سپرده گذاری، مبلغ وام و مانده معوقات وام ها در طول یکسال فعالیت از پایگاه داده بانک استخراج شد و سپس به کمک الگوریتم کا میانگین مشتریانخوشه بندی شدند. سپس الگوی چندهدفه تخصیص خدمات بانک به هرکدام از خوشه ها طراحی شد. اهداف الگوی طراحی شده افزایش میزان رضایت مشتریان، کاهش هزینه ها و کاهش مخاطره تخصیص خدمات بود. با توجه به آنکه مسئله دارای یک راه حل بهینه نبوده و هر یک از ویژگی های مشتری دارای یک تابع توزیع احتمالی اند، برای حل از شبیه سازی استفاده شد. نتایج به دست آمده بهبود قابل توجهی از سطح ارائه خدمات و محصولات به مشتریان بانک را نسبت به وضعیت فعلی نشان داد. در این پژوهش از نرم افزارهای وکا و آر برای داده کاوی و ارنا برای شبیه سازی و بهینه سازی استفاده شد. از نتایج این پژوهش در توسعه و ساخت نرم افزار تحلیلی مشتریان در یکی از بانک های خصوصی کشور استفاده شد.

Authors

سید خلیل سجادی

PhD student in Operational Research Management , Department of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran

محمد علی خاتمی فیروز آبادی

Associate Professor , Department of Management and Accounting , Allameh Tabataba’i University, Tehran, Iran

محمد تقی تقوی فرد

Associate Professor , Department of Management and Accounting , Allameh Tabataba’i University, Tehran, Iran

جهانیار بامداد صوفی

Assistant Professor, Department of Management and Accounting, Allameh Tabataba’i University, Tehran, Iran

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • ]۱[ اکبری اصل، رضا، سلیمانی بشلی، علی (۱۳۹۲) بازاریابی خدمات ...
  • Wu Hsin-Hung, Chang En-Chi, Lo Chiao-Fang ( ۲۰۰۹) Applying RFM ...
  • Reinartz W. J., Kumar V. (۲۰۰۳) "The impact of customer ...
  • Thomas J. S. (۲۰۰۱) "A methodology for linking customer acquisition ...
  • Hughes AM (۱۹۹۶) Boosting reponse with RFM, Mark. Tools, ۵: ...
  • Zabkowski T. (۲۰۱۶) "RFM approach for telecom insolvency modeling"; Kybernetes, ...
  • Alborzi M., Khanbabaei M. (۲۰۱۶) "Using data mining and neural ...
  • Chen Q., Zhang M., Zhao X. (۲۰۱۷) "Analysing customer behaviour ...
  • Peker S., Kocyigit A., Erhan E. (۲۰۱۷) "LRFMP model for ...
  • Singh S., Singh S. (۲۰۱۶) "Accounting for risk in the ...
  • ]۱۲[ تقوی فرد محمدتقی، خواجوند سمانه، نجفی اسماعیل (۱۳۹۱) «بخشبندی ...
  • خوشه بندی مشتریان شعب بانک رفاه با تلفیق الگوریتم های ژنتیک و سی میانگین در محیط فازی [مقاله ژورنالی]
  • ]۱۴[ دهقان نبی اله، دهدشتی شاهرخ زهره، نعمتی زاد سمانه ...
  • Chapman P., Clinton J., Kerber R., Khabaza T., Reinartz T., ...
  • ]۱۶[ بهمند محمد، بهمنی محمود (۱۳۸۵) بانکداری داخلی-۱ (تجهیز منابع ...
  • ]۱۷[ مژمنی منصور (۱۳۹۰) خوشه بندی داده ها (تحلیل خوشه ...
  • Sajjadi, K., Khatami-Firuzabadi, M. A., Amiri, M., & Sadaghiani, J. ...
  • نمایش کامل مراجع