پيش‌بيني ارزش طول عمر مشتريان بانكي با استفاده از تكنيك دسته‎بندي گروهي داده‎ها (GMDH) در شبكۀ عصبي

امروزه نقش مديريت ارتباط با مشتري به‎عنوان ابزار راهبردي در توسعۀ سازمان هاي توليدي و خدماتي و همچنين جذب و نگهداري مشتريان در صنايع رقابتي، انكارناپذير است. شناسايي، ارزش گذاري و دسته بندي مشتريان و تخصيص بهينۀ منابع به آنها با توجه به ارزشي كه براي سازمان ها دارند، از دغدغه هاي اصليِ حوزۀ مديريت ارتباط با مشتري است. در اين مقاله با استفاده از شبكۀ عصبي GMDH به محاسبه و پيش بيني ارزش طول عمر مشتريان، به‎عنوان ابزاري كليدي در تحقق نقش مديريت ارتباط با مشتري در صنعت بانكداري پرداخته شده است. براي اين منظور، اطلاعات جمعيت شناختي و مالي 5000 مشتري حقيقي ارزندۀ يكي از بانك‎هاي خصوصي كشور با شرط ميانگين موجودي بيش از 500 ميليون ريال در حداقل يكي از حساب ها، وارد شبكه شد. نتايج نشان داد به‎كمك اين روش مي‎توان با دقت بالاي 90 درصد ارزش طول عمر مشتريان را پيش بيني كرد كه به نسبت روش هاي آماري متعارف، دقت بيشتري دارد. پس از حذف متغيرهاي مؤثر و مضاعف، شبكه بار ديگر آزمايش شد كه در اين حالت نيز پيش بيني با دقت بيش از 85 درصد بود