شناسایی وتحلیل الگوهای رفتاری مشتریان خدمات بانکی بااستفاده ازتکنیکهای داده کاوی

چکیدهشناسایی وتحلیل الگوهای رفتاری مشتریان یکی ازچالشهای اساسی بانکهادرامرتعیین مشتریان هدف،مدیریت ارتباط بامشتریان وتخصیص بهینه منابع محدودبانکهابه مشتریان می باشدلذاباتوجه به حجم عظیم اطلاعات مشتریان درپایگاه اطلاعات بانکها،تعدد وتنوع خدمات بانکی وهمچنین ویژگیهای فتاری خاص مشتریان دراین پژوهش ازتکنیکهای داده کاوی جهت ارائه یک الگوی مناسب برای شناسایی ،بخش بندی ،رتبه بندی وتحلیل الگوهای رفتاری مشتریان استفاده گردید،لذا داده های تراکنشی مشتریان بانک رفاه کارگران به عنوان جامعه آماری در نظر گرفته شد و تراکنش هایی که از اول مهر ۱۳۹۸ تا ۲۹ اسفند ۱۳۹۸ انجام گرفته بود به عنوان نمونه انتخاب گردید. سپس عملیات پیش پردازش بر روی آنها انجام و مدلسازی داده ها با هدف بخش بندی و رتبه بندی مشتریان به وسیله الگوریتم های K-means و SOM انجام گردید و در نهایت به وسیله الگوریتم Apriori قوانین حاکم بر روابط بین خوشه های مشتریان و نوع حساب ها کشف گردید.ازآنجاکه تعیین ارزش هریک بخش های مشتریان اهمیت بسزایی داردلذا ازمعیارWRFM(بهینه شده مدلRFM)جهت محاسبه وتعیین ارزش طول عمرمشتریان (CLV)استفاده وبراساس ارزش تعیین شده ،استراتژهای مناسب برای ارائه خدمات بانکی به هریک ازبخشهای موصوف تعیین گردیدکلمات کلیدی: بخش بندی، رتبه بندی، هوش مصنوعی، یادگیری ماشین،K-means، SOM، AprioriوWRFM

کلیدواژه ها:

بخش بندی ، رتبه بندی ، هوش مصنوعی ، یادگیری ماشین ، k-means ، SOM ، AprioriوWRFM