حمید بهادر - مربی دانشگاه فنی و حرفه ای و دانشگاه فرهنگیان خوی
نورمحمد یعقوبی - دانشیار دانشکده مدیریت و حسابداری دانشگاه سیستان و بلوچستان
بهرام اربابی - دانشجوی کارشناسی ارشد مدیریت وفناوری اطلاعات دانشگاه سیستان و بلوچستان

باتوجه به افزایش تعداد مشتریان بانکها وخدمات فراوان آنها، شاهد نارضایتی مشتریان از عملکردبانکها درهرسال هستیم واین درحالی است که بنابه گزارش یکی ازبانکهای کشور سالانه درحدود دوازده هزار مشتری از دست رفته به علت عدم رضایت از بانکها گزارش شده است.در سالهای اخیر، بانکها با تغییرنرمافزارها و سختافزارهای خود و بر حسب شناخت نیازها و توقعات مشتریانشان و بر گروهبندی مشتریان فعلی و احتمالی، با هدف بهبودبخشی بازدهی و رضایتمشتریان و راهبردهای بازاریابی و افزایش سهم بازار خود، تمرکز جستهاند وبا توجه به افزایش مشتریان، اکثر مشتریان از عملکرد بانکها و مدیریت آن رضایت کامل ندارند. برای رفع این مساله ومعظل با کمک علم دادهکاوی وطبقهبندی رفتار مشتریان و بررسی الگوریتمهای شناسایی رفتار رضایت مشتریان میتوان مدلی ارائه کرد که این مشکل راحل نمود. با کمک تکنیکهای دادهکاویدر بانکها، رفتار مشتریان بهتر و دقیقتر، دانستنیها و اطلاعات پنهان در چنین دادههایی شناسایی شده و بانکها راحتتر میتوانند درشناسایی نیازها، توقعات مشتریان گامهای مهمی را بردارند. در این مقاله با بررسی روشهای مختلف دادهکاوی در بخش مدیریت ارتباط با مشتری نظیر درخت تصمیم، الگوریتم K-Means و الگوریتم ژنتیک مورد بررسی قرار گرفته است. دادههای مورد استفاده در این مقاله ازدادههای مشتریان بانک ملی شعبه فردوسی تهران، این دادههای مشتریان شامل : اطلاعات 13000 مشتری حساب قرضالحسنه، 4000 مشتری حساب کوتاهمدت2000 مشتری دریافت تسهیلات، 1100 مشتری حساب بلندمدت بوده که در مجموع 33000 مشتری است استفاده شده است. نتایج این مطالعه در جهت شناخت رضایتمندی مشتریان بانکها بسیارموثر و موجب ارتقای سطح شناخت کافی از مشتریان میشود.

مدیریت ارتباط با مشتری، دادهکاوی، الگوریتم K-MEANS ، رضایتمندی مشتری ، درخت تصمیمگیری