حسین عباسی مهر - استادیار، گروه آموزشی فناوری اطلاعات و ارتباطات، دانشگاه شهید مدنی آذربایجان، تبریز
مصطفی شبانی - کارشناسی ارشد، گروه فناوری اطلاعات ، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران

داده کاوی و ابزارهای آن نظیر خوشه بندی و پیشبینی در کاربردهای فراوانی مورد استفاده قرار گرفته اند. در حوزه مدیریت ارتباط با مشتری نیز ابزارهای داده کاوی در کاربردهایی از قبیل بخش بندی مشتریان، پیشبینی رفتار، پیشبینی رویگردانی، و غیره مورد استفاده قرار گرفته اند. رویکردهای اتخاذ شده در تحقیقات پیشین جهت بخش بندی مشتریان غالبا رویکرد ایستا هستند. با توجه به مشکلات رویکردهای ایستا که مانع از در نظرگرفتن رفتار پویای مشتریان می شوند، رویکردهای بخش بندی پویا ارائه شده ا ست. در این تحقیق با انتخاب رویکرد بخش بندی پویا، یک متدولوژی برای بخشبندی مشتریان با ا ستفاده الگوریتم خو شه بندی طیفی ارائه شده است. در این متدولوژی داده های مشتریان ابتدا تبدیل به سری زمانی شده و سپس اقدام به خوشه بندی سریهای زمانی می شود. نتایج مطالعه موردی روی داده های بدست آمده از یک بانک نشان داد که اولا معیارهای فا صله بین دو سری زمانی نقش مهمی در کیفیت نتایج خوشه بندی دارند. همچنین الگوریتم خوشه بندی طیفی نسبت به الگوریتم خوشه بندی سلسله مراتبی خوشه بندی بهتری را ارائه میکند.

داده کاوی، بخش بندی پویای مشتریان، خوشه بندی طیفی، خوشه بندی سلسله مراتبی