رویکرد بخش بندی و رتبه بندی پویای مشتریان و شناسایی تحرک رفتاری آنان با بهره گیری از تکنیک های داده کاوی در بانک رفاه کارگران

امروزه شناسایی، تعیین ارزش وبخش بندی مشتریان برای بانک ها یک امر حیاتی است اما روش های ایستای بخش بندی مشتریان که برمبنای ثبات مشتریان درهریک از بخش های تعیین شده می باشد از کارایی لازم برخوردار نبوده و شناخت الگوهای جابجایی وپویایی مشتریان در این بخش ها ازاهمیت ویژه ای برخوردارمی باشد. این پژوهش اقدام به بخش بندی ورتبه بندی پویای مشتریان بانک رفاه کارگران و شناسایی تحرک رفتاری آنان بین بخش های مختلف دربازه زمانی مشخص با بهره گیری از تکنیک های داده کاوه نموده است. از آنجا که داده کاوی درصدد توصیف حجم انبوه داده ها برای کشف الگوها و قواعد معنادار است لذا در این تحقیق از روش های معمول نمونه گیری جهت تعیین حجم نمونه استفاده نشده و تعداد ۱۱۲۳۷۳۵مشتری حقیقی ارزشمند بانک که دارای حساب قرض الحسنه  بودند عینا بعنوان جامعه آماری و تمامی تراکنش های مالی ایشان در بازه زمانی ۶ماهه از اول مهر ۱۳۹۸ تا ۲۹اسفند ۱۳۹۸ بعنوان نمونه انتخاب گردید سپس عملیات پیش پردازش و مدلسازی داده ها در شش بازه زمانی و به صورت ماهانه باهدف بخش بندی ورتبه بندی پویای مشتریان به وسیله الگوریتم های کای میانگین K MEAN و شبکه های عصبی خودسازمانده SOM انجام گردید. براساس نتایج حاصل از این پژوهش مشتریان به سه بخش اصلی تقسیم وپویایی ایشان مورد بررسی قرارگرفته و راهکارهایی جهت بهبود و اثربخشی بیشتر فعالیت های بازاریابی ارایه شده است.

رویکرد بخش بندی و رتبه بندی پویای مشتریان و شناسایی تحرک رفتاری آنان با بهره گیری از تکنیک های داده کاوی در بانک رفاه کارگران Keywords:

Dynamic Customer Segmentation , Customer Lifetime Value , Data Mining , K-means , SOM , Bank , بخش بندی پویای مشتری , ارزش طول عمرمشتری , داده کاوی , K-means , SOM , بانک