ارائه مدلی تحلیلی جهت بخش بندی و شناسایی رفتار مشتریان بانکداری الکترونیکی با استفاده از مدل توسعه یافته ی RFMCL

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 715

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ETECH04_054

تاریخ نمایه سازی: 27 بهمن 1398

چکیده مقاله:

نظام بانکداری الکترونیکی می بایست بمنظور افزایش سهم خود در بازار رقابتی و بکارگیری بهینه ی منابع بانکی در ارائه ی خدمات متناسب با نیاز مشتریان به بخش بندی مشتریان خود بپردازند. از این رو لازم است تارفتار مشتریان بانکی شناسایی و تحلیل شود. یکی از رویکردهای نوین جهت کمک به بانک ها در این زمینه، تکنیک دادهکاوی است. در این مطالعه سعی بر آن است با استفاده از تکنیک داده کاوی، ابزاری برای شناسایی رفتار مشتریان در استفاده از ابزارهای بانکداریالکترونیکی فراهم شود. بمنظور دستیابی به ارزش مشتری در هر خوشه و در رتبه بندی خوشه ها برای یافتن مشتریان ارزشمندتر و تخصیص استراتژی های متناسب با هر خوشه، ابتدا به جمع آوری داده های جمعیت شناختی و رفتاری (RFMCL) پرداختیمو سپس آماده سازی داده ها انجام گردید. جهت یافتن تعداد بهینه خوشه ها از الگوریتم عصبی شبکه کوهنن استفاده گردید. تعداد خوشه های حاصل از الگوریتم به عنوان ورودی در مدل خوشه بندی k-means مورد استفاده قرار گرفت. سپس به ارزیابی اعتبار مدل های خوشه بندی توسط شاخص دیویس بولدین پرداختیم و مدلی که دارای کمترین مقدار این شاخص باشد، به عنوان مدل خوشه بندی برتر انتخاب شد. در نهایت خوشه های با ارزش بیشتر مشخص گردید و بانک می تواند بمنظور بخش بندی مشتریان و ارائه ی خدمات متناسب با ارزش آنها از نتایج این پژوهش استفاده نماید.

نویسندگان

سید محمد سلطانی زنوزی

دانشکده مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد تهران جنوب تهران، ایران