سیداحمد سیدی مطلق - دکترای مدیریت کسب و کار DBA ، دانشگاه MITD ، گرجستان

حفظ مشتریان برای بانك ها و شرکت هایي که دغدغه حفظ و توسعه جایگاه رقابتي را در بازار دارند؛ چالشياستراتژیك است و امروزه سازمان ها و بانک ها فقط به فكر جذب مشتری جدید نيستند و باید مطمئن شوند که مشتریان رضایتمند، وفادار هم هستند. بنابراین یافتن روش ها و مدل هایی برای خوشه بندی مشتریان براساس ميزان وفاداری آنها به بانك برای بانك ها ضروری به نظر می رسد. از آنجایي که مجموعه داده های مشتریان بانك بررسي شده در این تحقيق دارای پراکندگي بسيار زیادی است، روش های دسته بندی مبتنی بر دسته بندهای منفرد مانند: درخت تصميم C4.5 و شبکه عصبی مصنوعی MLP نمی توانند با دقت مناسبي این مجموعه داده را دسته بندی نمایند. بنابراین در تحقیق حاضر هدف بر این است که ابتدا ویژگي های موثر بر نوع مشتریان بانك استخراج شده و سپس با استفاده از دسته بند ترکيبي بگينگ درخت تصميم و شبكه عصبي مصنوعي MLP داده های مربوط به مشتریان را به چهار دسته تقسیم بندی نماییم. با شبیه سازی این دسته بند ترکيبي در محيط نرم افزار WEKA، نتایج به دست آمده حاکي از آن است که عملكرد دسته بند ترکيبي بگينگ درخت تصميم C4.5 و شبکه عصبی مصنوعی MLP نسبت به دسته بندهای منفرد درخت تصميم C4.5 و شبکه عصبی مصنوعی MLP به صورت قابل ملاحظه ای بهبود یافته است و بنابراین دسته بند ترکيبي پیشنهاد شده می تواند جهت دسته بندی مشتریان بانك مورد استفاده قرار گيرد. در تحقيق حاضر با بهره گیری از تنوع دسته بندی ها و تکنیک K-Fold اقدام به شناسایي مشتریان معتبر مي گردد. تكنيك بگينگ در روش پيشنهادی این امكان را مي دهد تا دقت سيستم افزایش یابد.

وفاداری مشتریان،، بانک، دسته بند، درخت تصمیم C4.5 ، شبکه عصبی مصنوعی MLP