خوشه بندی مشتریان بانک و تحلیل آنها با استفاده از هرم ارزش مشتری

[توضیح سیویلیکا: این مقاله ناقص می باشد و به نظر می رسد بخش انتهایی مقاله موجود نیست] موسسات مالی و بانکها از سازمانهایی هستند که به لحاظ ماهیت کار خود بسیار نیازمند فرایندهای مدیریت مشتریان میباشند و داده کاوی از مهمترین ابزارهای در دسترس این سازمانها برای ارزیابی، شناسایی و پیش بینی رفتار مشتریان است. کشف دانش (داده کاوی) یکی از زمینه های به سرعت در حال پیشرفت می باشد که به دلیل وجود حجم انبوهی از داده ها، امکانات کامپیوترها، شبکه ها و الگوریتمهای قوی، جانشین تحلیلهای دستی شده است تا فرایند استخراج اطلاعات و دانش از داده انجام دهد. در مقاله موجود ابتدا بانک ملت و بانک اطلاعاتی آن در بخش های مختلف بررسی شد، پس از استخراج داده از بانک اطلاعاتی و پاک سازی آن، برای خوشه بندی مشتریان در گروه های مختلف، از الگوریتم k_means و fuzzy_k_means استفاده شد برای تعیین تعداد بهینه خوشه ها از تابع سنجش کیفیت خوشه ها استفاده شد. در ادامه برای ارزیابی کیفیت خوشه های بدست آمده از معیار سنجش تراکم خوشه ها استفاده شد. سپس از مدل FRM برای اندازه گیری ارزش خوشه ها استفاده شد و در انتها برای تحلیل خوشه ها و تبیین استراتژی مناسب برای هر خوشه از هرم ارزش مشتری بهره گرفته شد.

کلیدواژه ها:

مشتریان بانک ، کشف دانش ، داده کاوی ، خوشه بندی ، هرم ارزش مشتری