بخش‏بندی مشتریان در صنعت بانکداری با استفاده از مدل توسعه‌یافته RFMC

نویسندگان

1 استادیار، دانشگاه آزاد اسلامی واحد تهران شمال،، گروه مهندسی صنایع، نویسنده مسئول

2 دانشجوی کارشناسی ارشد رشته مهندسی صنایع گرایش مدیریت سیستم و بهره‌وری، دانشگاه آزاد اسلامی واحد تهران شمال، ، گروه مهندسی صنایع

چکیده

  پس از ورود جدی بانک‏های خصوصی و موسسات مالی و اعتباری به عرصه بانکداری، رقابت بین موسسات و بانک‏ها به منظور شناسایی، جذب و حفظ مشتریان از اهمیت بالایی برخودار شده است. تحلیل رفتار مشتریان در سازمان­های فعال در این حوزه که با تعداد کثیری از مشتریان در نقاط پراکنده با ویژگی‏های متفاوت سر و کار دارند، باعث موفقیت آنها در بازار رقابتی و مدیریت ارتباط موثر با مشتریان می‌شود. بخش‌بندی مشتریان، از رویکردهای داده‌کاوی که منجر به کشف گروه‌های مشابه از مشتریان می‌شود، اغلب بر اساس مدل "تاخر خرید، بسامد خرید، و ارزش مالی آن" ( RFM ) انجام می‌گردد. در این مقاله، الگوی جدید بخش­بندی مشتریان بر پایه مدل توسعه یافته RFM به وسیله افزودن متغیر توالی روزهای انجام تراکنش (C) ارائه شده است. مشتریان بانک بر اساس مدل RFM و مدل پیشنهادی این پژوهش ( RFMC ) و با استفاده از الگوریتم خوشه‏بندی دو مرحله‏ای و بکارگیری گام‏های متدلوژی GRISP-DM بخش‌بندی شده‌اند. این پژوهش نشان می‌دهد، دقت مدل RFMC نسبت به مدل RFM در بخش‌بندی مشتریان این صنعت به مقدار 5.5% بیشتر است. پس از انجام فرایند خوشه‏بندی با استفاده از مدل پیشنهادی، مشتریان یکی از بانک‌های خصوصی کشور به 5 خوشه تقسیم شده‏اند. ضمن تحلیل رفتار مشتریان هر خوشه، مدلی مبتنی بر شبکه‏ عصبی پیش‏خوراند برای پیش‏بینی شماره خوشه مشتریان بر مبنای ویژگی‏های رفتاری و جمعیت‏شناختی آنها توسعه داده شده است.

کلیدواژه‌ها

عنوان مقاله [English]

Customer Segmentation in the Banking Industry by Extended Model of RFMC

نویسندگان [English]

  • Vahid Baradaran 1
  • Zahra Farrokhi 2
1 Assistant Professor, Islamic Azad University, Tehran North Branch, Department of Industrial Engineering, Corresponding Author
2 Graduate student of Industrial Engineering, Technology Management and Productivity, Islamic Azad University, Tehran North Branch, Industrial Engineering
چکیده [English]

When a private banks and financial institutions seriously started working in the banking industry, the competition between enterprises and banks to customer identification, attraction and retention is most important. Many companies, especially banks which deal with a large number of customers, use the application of data mining techniques in the CRM. Knowing customers and their behavior with some techniques, like segmentation, is the key to success in today’s competitive market. The RFM model is used in the most costumer segmentation research. In this paper, we developed the RFM model by adding continuity variable (C) and entitled RFMC model. In one of the private bank, the costumers clustered by proposed models based on Two-Step algorithm and GRISP-DM methodology. The results demonstrate the accuracy of developed model in costumer segmentation is 5.5% higher than the RFM model. Moreover analysis of each cluster customer behavior, the model of feed-forward neural network is predicted the cluster number of customers based on their demographic and behavioral characteristics.

کلیدواژه‌ها [English]

  • Customer Relationship Managements
  • Customer Segmentation
  • Data Mining
  • Two-Step Algorithm
  • RFM Model

فایل ها

هم رسانی

ارجاع به این مقاله

آمار