کاربرد داده کاوی در بهبود مدیریت ارتباط با مشتری

امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری است. بانکها و موسسات اعتباری در گذشته به علت محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان، از روش های ساده کیفی جهت سنجش اعتبار مشتریان خود استفاده می کردند ولی امروزه به دلیل وجود بانکداری الکترونیکی ثبت اطلاعات تراکنشی مشتریان راحت تر صورت می گیرد و همین امر موجب شده است روش های کمی جایگزین روش های کیفی شود. در بررسی های انجام شده یکی از مشکلات بانک ملت عدم شناسایی مشتریان و عدم اتخاذ تصمیمات مناسب مدیریت و سلیقه ای بودن تصمیمات در برخورد با مشتریان می باشد. بنابراین در این تحقیق به منظور شناسایی مشتریان بانک ملت و تدوین استراتژی های مناسب برای برخورد با آنها از داده کاوی و ابزار آن مانند الگوریتم ژنتیک و الگوریتم میانگین k استفاده شد. بدین منظور ابتدا بانک ملت و بانک اطلاعاتی آن در بخش های مختلف بررسی شد، پس از استخراج داده از بانک اطلاعاتی و پاک سازی آن، مشتریان در گروه های مختلف، با استفاده از الگوریتم میانگین k به دو روش فازی و غیر فازی گره بندی شدند. برای تعیین تعداد بهینه خوشهها ابتدا مجددا با استفاده از الگوریتم ژنتیک مشتریان در گروههای مختلف تقسیم بندی شده با استفاده از روابط خاص تعریف شده تعداد بهینه خوشه ها تعیین شد. برای ارزیابی کیفیت خوشه های بدست آمده از معیار سنجش تراکم خوشه ها استفاده شد. سپس با استفاده از معیارهای تازگی مراجعه هر مشتری، تکرار مراجعات آنها و ارزش پولی هر مشتری ارزش خوشه ها تعیین شد و در انتها برای تحلیل خوشه ها و تبیین استراتژی مناسب هر خوشه از هرم ارزش مشتری استفاده می شود. در انتها نیز با استفاده از درخت تصمیم گیری قوانین شناسایی مشتریان جدید استخراج شد

Keywords:

داده کاوی , خوشه بندی , هرم ارزش مشتری , الگوریتم ژنتیک , استخراج قانون , مشتری