بخش بندی و شناسایی مشتریان خدمات بانکداری الکترونیکی برمبنای تکنیک های داده کاوی و مدل تحلیل RFM )مطالعه موردی: موسسه اعتباری توسعه
Publish place: 2nd Lahijan National Conference on Software Engeering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 3,491
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
- صنعت بانکداری > موسسه اعتباری توسعه
- صنعت بانکداری > بانکداری الکترونیک
- صنعت بانکداری > بانکداری
- صنعت بانکداری > بازاریابی خدمات بانکی
- هوش مصنوعی > داده کاوی
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
LNCSE02_046
تاریخ نمایه سازی: 6 اسفند 1391
Abstract:
شناسایی و تحلیل رفتار مشتریان بانکی یکی از فعالیت های بازاریابی در یانکداری الکترونیکی است. تکنیک های داده کاوی می توانند در حجم زیاد داده های مشتریان، به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابیکمک کنند. مسئله اصلی، چگونگی به کارگیری تکنیک های داده کاوی و بازاریابی در بخش بندی و تحلیل رفتار مشتریان و انتخاب گروه های ارزشمند برای اتخاذ استراتژی های بازاریابی هدف می باشد. مدل پیشنهادی مقاله بر مبنای متدولوژی استاندارد CRISP می باشد سپس با استفاده از تکنیک های داده کاوی و مدل تحلیل RFM به بخش بندی، شناسایی و تحلیل رفتار مشتریان بانکداری الکترونیکی و تعیین میزان ارزش هر یک از آن ها پرداخته می شود. همچنین با استفاده از الگوریتم قوانین وابستگی به یافتن ارتباط بین ویژگی های مشتریان خدمات بانکداری الکترونیکی پرداخته می شود. نتایج نشان می دهد که به کارگیری تکنیک های خوشه بندی و مدل تحلیل RFM می تواند مشتریان با ارزش بالا را شناسایی نموده و با استفاده از رتبه بندی هر یک از گروه ها، به تخصیص برنامه های استراتژی بازاریابی هدف، متناسب با ارزش هر گروه از مشتریان بپردازند.
Keywords:
Authors
سیده فاطمه زین العابدینی
کارشناس ارشد مهندسی فناوری اطلاعات، گیلان، ایران
محمدخان بابایی
باشگاه پژوهشگران جوان، دانشگاه آزاد اسلامی واحد علوم و تحقیقات، تهر
مهرگان مهدوی
استادیار دانشکده فنی مهندسی کامپیوتر، دانشگاه گیلان، ایران
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 :