تحليل ارزش مشتري در بانك با استفاده از تكنيك داده كاوي و تحليل سلسله مراتبي فازي

Customer Value Analysis in Bank with Data Mining Technique and Fuzzy Analytic Hierarchy Process

ارزش مشتري به تعامل بالقوه مشتريان با شركت در طول دوره هاي زماني مشخص اشاره مي‌كند. هنگامي كه شركت‌ها ارزش مشتري را درك كنند و به اين موضوع پي ببرند كه ارزش مشتري مي تواند خدمات سفارشي سازي شده را براي مشتريان مختلف ارايه كند، آنگاه به مديريت روابط مشتري موثر دست مي يابند. اين پژوهش بر صنعت بانكداري متمركز بوده و به طور سيستماتيك تكنيك داده كاوي و مباحث مديريتي را جهت تجزيه و تحليل ارزش مشتريان، يكپارچه سازي مي كند. در گام نخست روش تحليل سلسله مراتبي فازي براي وزن دهي به متغيرهاي موجود مورد بررسي قرار مي گيرد تا ميزان تاثير هر يك از معيارهاي مدل DFMT در فرآيند ارزش گذاري مشتريان مشخص گردد. سپس مدل DFMT به عنوان ورودي به تكنيك داده كاوي k-means‌ اعمال مي‌گردد. با استفاده از مدل امتيازدهي پيشنهادي، هرم ارزش مشتري تشكيل مي شود كه مشتريان را در 4 طيف ارزشي دسته‌بندي مي كند. در هرم ارزش مشتري بدست آمده از جامعه آماري 285 مشتري شعب بانك تجارت زنجان، طيف اول؛ مشتريان پلاتينيومي هستند كه رديف هاي ارزشي H1 و H2را شامل مي شوند كه از سطح سودآوري بالايي، برخوردار هستند. طيف دوم؛ مشتريان طلايي كه رديف هاي ارزشي H3، H4 و H5 را شامل مي شود. طيف سوم؛ مشتريان نقره اي هستند كه رديف هاي ارزشي H6، H7 و H8 را شامل مي شود. طيف چهارم؛ مشتريان سربي كه رديف هاي ارزشي H9 و H10 را شامل مي شود. در واقع اين طيف منابع دريافتي از بانك را به هدر داده و بانك بايد براي كار با آنها ميزان ريسك بالايي را بپذيرد.

Customer value refers to the potential interaction of customer and enterprise in certain periods of time. As companies recognize customer value, and realize that it can provide customized services for different customers, they can achieve to an effective customer relationship management. This research focuses on banking industry, and integrates data mining techniques and management issues in order to systematically analyze the customer values. First, it applies Fuzzy Analytical Hierarchy Processing (FAHP) in order to weighting the variables, and then imports DFMT model to the k-means technique for clustering the customers according to the specific criteria. Using the proposed scoring model establishes the customer value pyramid, and categorizes the customers in four spectrums. The customer value pyramid helps to separately determine each customer’s value to giving appropriate services to them in proportion with the class value. The statistical population was 285 customers of Tejarat bank branches of Zanjan city in Iran. In the resulted customer pyramid, the first spectrum is the Platinum customer which is composed of two rows of the pyramid called H1 and H2. These two rows in the pyramid have the highest value, and have the most profitability for the bank. The second spectrum is called golden customers, which has three rows in the pyramid namely H3, H4 and H5. The third spectrum include silver customers, which are laid in the H6, H7, H8 rows of the spectrum. The forth spectrum consists of leaden customers that are in the H9 and H10 rows of the customer pyramid. This spectrum receives and wastes resources of the bank, and the bank should respect and bear high risks.