تلفیق داده کاوی و AHP برای بهبود مدیریت ارتباط با مشتریان در بانك ها

تلفیق داده کاوی و AHP برای بهبود مدیریت ارتباط با مشتریان در بانك ها

آکادمی داده

۱۳۹۷/۰۵/۰۹


  • 83 بازدید

در این سلسله مقالات به مفاهیم و کاربرد های داده‌کاوی، متن کاوی و علوم مرتبط با علم داده پرداخته می‌شود. با توجه به حجم عظیم مقالات تولید شده در زبان فارسی در حوزه داده کاوی و علم داده، آکادمی داده تصمیم گرفت مقالات فارسی منتشر شده در این حوزه را خلاصه برداری کرده و در اختیار علاقه مندان قرار دهد. این مقالات ابتدا با معرفی موضوع و کارهای انجام شده آغاز می شود و سپس مجموعه داده یا دیتاست تحقیق ارائه می شود و سپس پیاده سازی انجام شده در رپیدماینر، وکا یا پایتون ارائه شده و نتایج تحلیل می شود.

در این رشته نوشته ها ابتدا خلاصه ای از مقاله ارائه شده و سپس نتیجه گیری مقاله عینا آورده می گردد و سپس فایل پی دی اف آن نیز برای دانلود در اختیار محققین و پژوهشگران عزیز قرار می گیرد. 

 

امروزه، مشتریان دارای سلیقه ها و نیازهای گوناگونی هستند و دیگر بازاریابی انبوه توانایی برآورده کردن نیازهای آنان را ندارد.
جلب رضایت مشتری و مدیریت درست ارتباط با مشتری از مهمترین اهداف شرکت هاست که برای تحقق این هدف، بازاریابی مستقیم روشی برای تضمین پیشرفت محصولات مبنی بر مشتری است. در شرایط کنونی مدیریت ارتباط با مشتری به عنوان یک مزیت رقابتی برای سازمان ها محسوب می گردد. با افزایش اهمیت رضایت مشتری در محیط تجاری امروز، بسیاری از سازمانها روی مباحث مرتبط با شناخت مشتری، وفاداری و سودآوری مشتری برای افزایش سهم بازار خود و کسب رضایت بیشتر مشتری تمرکز نموده اند. یکی از روش های شناخت مشتری، بخش بندی مشتریان به گروههای همگن و اتخاذ سیاست های بازاریابی متناسب با هر بخش است. در این میان استفاده از مدل های RFM جهت خوشه بندی مشتریان بانکها و موسسات مالی، بر اساس ارزش دوره عمر مشتری، می تواند بسیار مفید واقع شود. در تحقیق حاضر، از مدل وزنی آر. اف.ام جهت تعیین ارزش دوره عمر 351 مشتری بانک استفاده شد و مشتریان با استفاده از الگوریتم K - MEAN در قالب 8 خوشه و 4 دسته اصلی طبقه بندی گردیدند و ویژگی های هر دسته از مشتریان نیز تحلیل شد. شایان ذکر است از آنجایی که شاخص های آر.اف ام. در هر سازمان، با توجه به نظرات تصمیم گیرندگان آن، دارای اهمیت و وزن متفاوتی هستند و همچنین مشتریان هر سازمان نیز از نظر مقادیر این شاخص ها در وضعیت متفاوتی قرار دارند، لذا نتایج حاصل از این تحقیق، مختص این بانک می باشد و قابل تعمیم برای سایر سازمانها نیست از طرفی، این تحقیق به لحاظ افق زمانی مقطعی است، بنابراین نمی توان از نتایج حاصل برای مقاطع زمانی طولانی مدت استنباط کاملی داشت. استفاده از مجموعه داده وسیع تر به لحاظ قلمروی زمانی نیز به طور قطع منتج به ایجاد نتایج قوی تر و گستره وسیع تری از دانش کاربردی پیرامون ویژگی های رفتاری مشتریان بانک خواهد شد. 
پیشنهاد می گردد در مطالعات آتی متناسب با حجم واحد تحلیل، از روش های دیگر خوشه بندی مانند شبکه عصبی، الگوریتم مورچگان، خوشه بندی سلسله مراتبی و یا خوشه بندی دو مرحله ای استفاده شود و با نتایج حاصل از این پژوهش مقایسه گردد، تا بتوان بهترین شیوه خوشه بندی را برای مشتریان انتخاب کرد. از طرف دیگر می توان متغیرهایی دیگری مانند طول ارتباط مشتری با سازمان (L)، دنباله مبادله (S) و توالی روزهای انجام تراکنش (C) را به مدل RFM اضافه نمود و مدل های توسعه یافته تری ساخت. همچنین برش های زمانی متناوب از پایگاه داده بانک، امکان اجرای پویای مدل آر.اف. ام. جهت تعیین ارزش دوره عمر مشتریان را فراهم خواهد آورد که نتایج آن از این لحاظ که روند تغییرات در رفتار مشتریان را منعکس می کند، می تواند نقش شایانی در اقدامات بازاریابی و بهبود مدیریت ارتباط با مشتری ایفا نماید.

 

این مقاله از طریق لینک قابل دسترسی است و محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر به پژوهش در حوزه مدیریت ارتباط با مشتری علاقه مند هستید توصیه می شود حتما مجموعه استثنائی و بی نظیر هفتاد مقاله فارسی در زمینه مدیریت ارتباط با مشتری  و مجموعه های مشابه آن  را تهیه بفرمایید.

اگر در زمینه مدیریت ارتباط با مشتری در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.


افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.