بخش بندی مشتریان بانکی با استفاده از تکنیک RFM

بانک ها به منظور ارایه خدمات الکترونیکی به مشتریان 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 ازتصمیمات بازاریابی کمک کنند. مساله اصلی، چگونگی به کارگیری تکنیک های داده کاوی و مدل تحلیلRFM 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 برمبنای فرایند استانداردکریسپ در داده کاوی بوده و در آن بعد از آماده سازی و پیش پردازش داده ها، دو رویکرد مطرح می شود.1( بخش بندی مشتریان به کمک ابزار خوشه بندی و محاسبه ارزش هر مشتری در خوشه ها و رتبه بندی آن ها برای پیدا کردن ارزشمند ترین خوشه ها. 2( امتیاز دهی و تعیین ارزش مشتری به عنوان ویزگی هدف در ساخت مدل های طبقه بندی میزان ارزشمشتریان. 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 به خوبی انجام شود.

Keywords:

داده کاوی , کریسپ , بخش بندی مشتریان بانکی , تکنیک RFM