بخش بندي مشتريان بانكي با استفاده از تكنيك RFM

بانك ها به منظور ارائه خدمات الكترونيكي به مشتريان نيازمند شناسايي و تحليل رفتار آن ها هستند. تكنيك هاي داده كاوي مي توانند در حجم زياد داده هاي مشتريان به كسب دانش نهان براي پشتيباني از تصميمات بازاريابي كمك كنند. مساله اصلي، چگونگي به كارگيري تكنيك هاي داده كاوي و مدل تحليل RFM در شناسايي و تحليل رفتار مشتريان در بخش بندي و طبقه بندي و انتخاب گروه هايي از مشتريان ارزشمند است. مدل پيشنهادي در اين مقاله برمبناي فرايند استانداردكريسپ در داده كاوي بوده و در آن بعد از آماده سازي و پيش پردازش داده ها، دو رويكرد مطرح مي شود. 1) بخش بندي مشتريان به كمك ابزار خوشه بندي و محاسبه ارزش هر مشتري در خوشه ها و رتبه بندي آن ها براي پيدا كردن ارزشمند ترين خوشه ها. 2) امتياز دهي و تعيين ارزش مشتري به عنوان ويزگي هدف در ساخت مدل هاي طبقه بندي ميزان ارزش مشتريان. از مجموعه داده جمعيت شناختي و تراكنشي مشتريان براي آموزش و تست مدل پيشنهادي استفاده شد. نتايج نشان مي دهد كه به كارگيري مدل پيشنهادي مي تواند مشتريان را بر اساس رفتار آن ها شناسايي و تحليل نموده و به بخش بندي و طبقه بندي آن ها بپردازد تا پشتيباني از تصميمات برنامه هاي بازاريابي و ارتقا آن به خوبي انجام شود.