خوشه‌بندي وفاداري مشتريان باشگاه مشتريان بانك ملت بر اساس اطلاعات دموگرافيك با استفاده از روش داده‌كاوي

Clustering Customers Loyalty in the Mellat Bank Customers Club, Based on Demographic Information Using Data Mining Method

با در اختيار داشتن اطلاعات كافي از گروه هاي مختلف مشتريان و خوشه بندي و طبقه بندي آنان مي توان فعاليت هايي از جمله برنامه ريزي بلند مدت و بازاريابي را به شكلي هدفمند طراحي و اجرا نمود كه سازمان تا حد امكان به بهره وري برسد. مورد مطالعه اين پژوهش، باشگاه مشتريان بانك ملت است. هدف از انجام اين پژوهش، خوشه بندي مشتريان به گروه هاي وفادار و غير وفادار مي باشد. داده هاي مورد بررسي در اين پژوهش به اطلاعات 10300 نفر از اعضاي باشگاه مشتريان بانك ملت مربوط مي شود. اين داده ها شامل دو بخش اصلي اطلاعات دموگرافيك و اطلاعات مرتبط با سرويس هاي استفاده شده مي باشد. روش پژوهش حاضر، توصيفي ـ پيمايشي است و براي تجزيه و تحليل اطلاعات از تكنيك داده كاوي استفاده شده است كه با توجه به اهداف پژوهش و بررسي الگوريتم هاي مختلف موجود در اين تكنيك، از الگوريتم هاي C5.0و Interactive CHAID استفاده شده است. از نتايج و الگوهاي به دست آمده مي توان در جهت پيش بيني مشتريان تازه وارد و همچنين نيازهاي هر گروه از مشتريان استفاده كرد و در اين ميان بايد به نقش گروه هاي به دست آمده و اطلاعات دموگرافيك آنها نيز توجه داشت.

Some activities such as longterm planning and marketing can be designed and performed through having enough information from various groups of customers and then clustering and classifying them, till the organization reach its efficiency to the possible extent. The aim of this research is to cluster the customers of Mellat Bank Customeramp;rsquo;s Club into two groups of loyal and disloyal. Data were collected using the information of about 10300 members of this club. This data consists of two main parts including demographic information and information related to the used services by the club members. Furthermore, this research is descriptivesurvey in terms of method. In addition, data were analyzed using data mining technique (C5.0, Interactive CHAID algorithms) and some other techniques.The obtained results and patterns can be used toward predicting new customers loyalty as well as the needs of each groups of customers based on the obtained groups using their demographic information.