پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 25 |
| تعداد شماره‌ها | 932 |
| تعداد مقالات | 7,654 |
| تعداد مشاهده مقاله | 12,497,714 |
| تعداد دریافت فایل اصل مقاله | 8,888,082 |
بخشبندی مشتریان در صنعت بانکداری با استفاده از مدل توسعه‌یافته RFMC | ||
| فصلنامه علمی پژوهشی مدیریت برند | ||
| مقاله 1، دوره 1، شماره 2، تیر 1393، صفحه 135-154 اصل مقاله (207.17 K) | ||
| شناسه دیجیتال (DOI): 10.22051/bmr.2015.1226 | ||
| نویسندگان | ||
| وحید برادران* 1؛ زهرا فرخی2 | ||
| 1استادیار، دانشگاه آزاد اسلامی واحد تهران شمال،، گروه مهندسی صنایع، نویسنده مسئول | ||
| 2دانشجوی 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 | ||
| مدیریت ارتباط با مشتری؛ بخشبندی مشتریان؛ داده‌کاوی؛ الگوریتم خوشه‌بندی دو مرحلهای؛ مدل RFM | ||
| عنوان مقاله [English] | ||
| Customer Segmentation in the Banking Industry by Extended Model of RFMC | ||
| نویسندگان [English] | ||
| Vahid Baradaran1؛ Zahra Farrokhi2 | ||
| 1Assistant Professor, Islamic Azad University, Tehran North Branch, Department of Industrial Engineering, Corresponding Author | ||
| 2Graduate 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 | ||
|
آمار تعداد مشاهده مقاله: 6,667 تعداد دریافت فایل اصل مقاله: 4,460 |
||