تلفیق داده کاوی و AHP برای بهبود مدیریت ارتباط با مشتریان در بانک ها

داده کاوی یکی از موضوعات پرکاربرد و در حال رشد در عرصه مدیریت، حسابداری و اقتصاد است و تکنولوژی بسیار مهمی برای کمک به مدیران در بازاریابی مستقیم می باشد. تکنیک های داده کاوی می توانند تغییرات در رفتار مشتری را کشف وپیش بینی کنند. این امکان فرآیند ایجاد یک رابطه بلند مدت و مستحکم را بین بانک و مشتریانش تسهیل می کند. هدف ازاین تحقیق ارائه مدلی مناسب جهت بخش بندی مشتریان بر اساس ارزش دوره عمر آنهاست. در واقع بخش بندی مشتریان،گروه بندی آنها بر اساس نیازها و رفتار گروه های مختلف است، بعلاوه امکان ارائه محصول یا خدمات به مشتریان مورد نظر رافراهم نموده و ارتباط نزدیکتری را با آنها ایجاد می کند و یکی از مهمترین مقوله ها در رسیدن به بازاریابی مدرن و مدیریت تکنیکی از مدل های دسته بندی و خوشه بندی از (CLV) است. تحلیل ارزش دوره عمر مشتری(CRM) ارتباط با مشتری تکنیک های مطرح شده در مدل های داده کاوی می باشند که در سال های اخیر به عنوان مبنایی برای بخش بندی مشتریان،مورد توجه بسیاری از محققان قرار گرفته است. در این تحقیق 351 مشتری یکی از بانک های خصوصی کشور مورد بررسی قرار گرفتند. در این دسته بندی از سه متغیر اصلی تازگی مبادلات (تعداد روزهای سپری شده از آخرین گردش مثبت حساب مشتریان)، فراوانی (تعداد گردش های مثبت حساب مشتریان) و ارزش مالی (مانده حساب مشتریان در پایان دوره) استفاده جهت WRFM جهت تعیین وزن هر یک از شاخص ها و مدل(AHP)شده است. روش فرایند تحلیل سلسله مراتبی استفاده شد و تعداد K-MEAN مشتریان به کار برده شده است. جهت خوشه بندی مشتریان از الگوریتم CLV رتبه بندی خوشه ها نیز 8 دسته تعیین گردید. پس از دسته بندی و تعیین رتبه هریک از دسته ها، استراتژی مناسبی که بانک می بایستدر برخورد با هر یک از این دسته ها به کارگیرد، بیان شده است.

کلیدواژه ها:

WRFM مدل (CLV) ارزش دوره عمر مشتری ، K-MEAN داده کاوی ، خوشه بندی ، الگوریتم