طراحی مدل هوشمند بخش بندی مشتریان حقوقی در موسسات مالی و بانکی با بهره گیری از معماری های چندلایه شبکه های عصبی توزیعی مبتنی بر پردازش هوشمند داده های کلان

این تحقیق به ارائه رویکردی مبتنی بر ارزش طول عمر مشتری (CLV) و شبکه های عصبی مصنوعی (ANN) برای دسته بندی مشتریان حقوقی بانک می پردازد. CLV در بانک به این معناست که هر مشتری برای بانک چقدر ارزش مالی ایجاد می کند. تحقیق از نوع کاربردی و شبه تجربی و جامعه آماری شامل ۱۲۷.۶۷۲ شناسه حقوقی در سامانه مشتریان حقوقی بانک تجارت است. داده ها از طریق فیش برداری از پرونده های مشتریان در یک دوره شش ماهه جمع آوری می شوند. نمونه گیری به صورت تمام شماری است. از الگوریتم های کا-میانگین و شبکه های عصبی مصنوعی برای خوشه بندی مشتریان استفاده می شود. شبیه سازی ها نشان داد که الگوریتم شبکه های عصبی مصنوعی نتایج دقیق تری را نسبت به الگوریتم کا-میانگین ارائه می دهند. این رویکرد می تواند به طور موثری مشتریان را به سه خوشه دسته بندی کند. خوشه ها بر اساس نظرات خبرگان بانکی بررسی شدند؛ تا تحلیل عمیق تری انجام شود. با توجه به اطلاعات مشتریان حقوقی بانک تجارت، این دسته ها از نظر CLV مورد بررسی قرار گرفتند. استراتژی های بازاریابی و فروش متناسب با هر خوشه مشتری تدوین شد. رویکرد پیشنهادی در این تحقیق می تواند به بانک ها در بهبود فرآیند دسته بندی مشتریان خود و در نهایت افزایش سودآوری و حفظ مشتریان کمک کند.

کلیدواژه ها:

CLV ، شبکه های عصبی مصنوعی ، خوشه بندی مشتری ، بانکداری