تلفیق داده کاوی و AHP برای بهبود مدیریت ارتباط با مشتریان در بانک ها
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 733
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MEAE01_1120
تاریخ نمایه سازی: 27 اسفند 1394
چکیده مقاله:
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:
نویسندگان
سید عباس حیدری
استادیار دانشگاه و عضو هیئت علمی دانشگاه آزاد تهران مرکزی
قاسمعلی بازایی
استادیار دانشگاه و عضو هیئت علمی دانشگاه آزاد تهران مرکزی
مهسا اسدالله
دانشجوی کارشناسی ارشد مدیریت بازرگانی و کارشناس فناوری اطلاعات بانک کارآفرین
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :