خوشه‌بندي مشتريان بانك با استفاده از شبكه‌هاي عصبي رقابتي

Clustering Bankʹʹs Customers Using Artificial Neural Networks

بخش‌بندي مشتريان، فرصتي براي توجه به نيازهايي است كه در پرتو بازاريابي انبوه مجالي براي ابرازشان نبوده است. هدف اوليه بخش‌بندي يافتن و حفظ مشترياني است كه قصد عرضه خدمت به آن‌ها را داريم. در اين پژوهش خوشه‌بندي مشتريان بانك با استفاده از شبكه‌هاي عصبي مصنوعي رقابتي و روش‌هاي آماري سنتي با يكديگر مقايسه شده‌اند. براي خوشه‌بندي مشتريان، هفت مشخصه كليدي 600 مشتري از مشتريان يك بانك استخراج شده است. با استفاده از شبكه عصبي رقابتي، همچنين روش آماري وارد خوشه‌بندي مشتريان انجام گرفته و نتايج حاصل با استفاده از روش تحليل تمايزات و شاخص‌هاي MAPE و RMSE با يكديگر مقايسه شده است. مقايسه خوشه‌بندي‌هاي انجام‌شده، برتري قابل توجه شبكه عصبي رقابتي بر روش آماري وارد را نشان مي‌دهد. خوشه‌بندي با استفاده از شبكه‌هاي عصبي رقابتي نقطه قوت و نوآوري اين مقاله است. به‌خصوص كه بر رفع نرون مرده در شبكه‌هاي عصبي رقابتي تاكيد شده است. اين مهم با استفاده از ترم باياس در شبكه عصبي رقابتي، قابل دستيابي است كه در اين مقاله بر آن تاكيد شده است.

Customerʹs Clustering is an instrument for considering the needs which were not allowed to be expressed due to mass marketing. The primary goal of market segmentation is to find and retain those customers we want to serve. In this paper, we present the experimental results of clustering bankʹs customers using artificial neural networks (ANN) compared with traditional statistical methods. To cluster the customers, 7 key distinctive characteristics of 600 customers of a bank were extracted. Customers’ clustering was performed using ANN and a powerful statistical method: Ward Method. The results were compared using discriminate analysis, MAPE and RMSE. The comparisons indicate the superiority of ANN output over WARD. Clustering by ANN indicates the strength and innovation of this study. Furthermore, focusing on importance of solving the death neuron problem in artificial neural networks by BIAS term is a contribution of this paper.