استخراج شاخص‌هاي ارزش‌گذاري و امتيازدهي مشتريان در بازاريابي خدمات بانكي

Scoring Customers in Banking Services Marketing: A Case Study on Two Iranian Banks

مقاله حاضر به دنبال يافتن الگويي جهت ارزش گذاري و امتيازدهي مشتريان به منظور اتخاذ تصميمات راهبردي موثر در ارايه خدمات بانكي مي باشد. شناخت امتياز هاي مختلف مشتريان بر اساس ويژگي هاي مالي، جمعيت شناختي و اقامتي، در قالب عوامل موثر بر ارزش طول عمر مشتري(CLV)، مي تواند الگوي مناسبي جهت ارايه خدمات شخصي سازي شده مناسب به هر مشتري بر اساس ويژگي هاي منحصر به فرد او، تبيين نمايد. بر اين اساس، در اين مقاله، ضرورت شناخت ارزش طول عمر مشتري در مديريت ارتباط با مشتري(CRM) تبيين، و به منظور الگوسازي آن، از شبكه عصبي GMDH به دليل كارايي بالاي آن در زمينه پيش بيني، استفاده گرديده است. بدين منظور از متغيرهاي جمعيت شناختي و مالي مشتريان دو بانك ايراني كه در دو منطقه (مسكوني و تجاري) واقع شده اند، به عنوان ورودي هاي شبكه عصبي استفاده شده است. نتايج حاكي از آن است كه متغيرهاي مالي، تاثير بيشتري، نسبت به متغيرهاي جمعيتي، بر ارزش طول عمر مشتري داشته اند.

This paper aims to find an approach for evaluating and ranking customers, in order to help a bank take effective and strategic decisions in providing services to each customer. Recognition of different ranks of customers based on financial, demographical, and residential features, as effective factors in Customer Lifetime Value (CLV), will help design an appropriate mechanism, which would provide each customer with customized services. In order to calculate the CLV and design such mechanism, the GMDH neural network methodology is used, where both residential and commercial type of demographical and financial variables for customers from two Iranian banks are used as the neural network inputs. Results reveal that financial variables have the most impact on the CLV