احمد قنبری - گروه مهندسی کامپیوتر، واحد تنگستان (اهرم)، دانشگاه آزاد اسلامی، تنگستان، ایران
علی هارون آبادی - گروه مهندسی کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران
محمود قدرتیان - مهندسی کامپیوتر، واحد تنگستان (اهرم)، دانشگاه آزاد اسلامی، تنگستان، ایران

شناخت مشتریان معتبر و همچنین شناخت نیازهای مشتریان عامل موثری درکسب برتری در ارائه خدمات به مشتریان است. حفظ این گونه مشتریان در بلند مدت نسبت به جذب مشتریان جدید برای جایگزینی مشتریانیکه با بانک قطع رابطه کرده اند سودمندتر است. در این تحقیق علاوه بر ویژگی های RFM ، از یک شاخص ترکیبی جدید بر مبنای میانگین هارمونیک برای خوشه بندی مشتریان بانک و تعیین مشتریان معتبر استفاده می کنیم. در ادامه با تلفیق خروجی الگوریتم خوشه بندی k-means و یک روش طبقه بندی فازی مبتنی بر قانون، یک مدل تشخیصی برای تعیین مشتریان معتبر ایجاد می کنیم. تعیین تعداد خوشه های بهینه بر مبنای معیار سیلوئت و الگوریتم تپه نوردی انجام می شود. نتایج آزمایش ها بر روی اطلاعات تراکنشی 2000 مشتری بانک، برتری روش پیشنهادی را نسبت به الگوریتم K-LRFM که به تازگی ارائه شده است نتایج بهتری را به میزان 0.15 % گزارش می دهد.

مشتریان معتبر، خوشه بندی k-means ، طبقه بندی مبتنی بر قانون، ویژگی های RFM