بخش‌بندي كاربران بانكداري موبايلي بر مبناي انتظارات با رويكرد خوشه‌بندي

Segmentation of Mobile Banking Users Based on Expectations: A Clustering Technique

با توجه به روند فزاينده تعداد دارندگان موبايل، نقش بانكداري موبايلي روزبه‌روز اهميت مي‌يابد. شناخت انتظارات اين كاربران به افزايش سهم بازار بانك‌ها كمك مي‌كند. پژوهش حاضر، با هدف بخش بندي كاربران بانكداري موبايلي بر مبناي انتظارات انجام شده است. در اين پژوهش بانك كشاورزي براي مطالعه انتخاب شده است. انتظارات كاربران بانكداري موبايلي در قالب 4 عامل اصلي شامل: خدمات اصلي، خدمات افزوده، شرايط تسهيل‌كنندۀ كاربري، و ادراك مفيد‌بودن استفاده، با رويكرد پژوهشْ از نوع ابتدا كيفي، سپس كمي (با تأكيد بر بخش كمي)، شناسايي شدند. با ابزار پرسش‌نامۀ بستۀ سؤالي، داده هاي لازم از 308 كاربر خدمات بانكداري موبايلي جمع‌آوري شد. در مرحلۀ بعد، پس از مشخص‌كردن تعداد بهينۀ خوشه ها با روش Ward از فنِ داده‌كاوي KMeans براي خوشه بندي استفاده شد. نتايج آزمون تحليل واريانس يك‌طرفۀ انتظارات شناسايي‌شده ، نشان دادند كه ميانگين انتظارات شناسايي‌شده در بين خوشه ها داراي تفاوت معني‌دار است؛ زيرا سطح معني‌داري اين انتظارات پايين تر از 001/0 بود.

The increasing trend of mobile phone owners reveals the importance of mobile banking on these days. Understanding the users' expectations helps banks to increase the market share. The aim of this study is to segment mobile banking users based on expectations. In this study, Agriculture bank of Iran is selected as the case study. Based on a mixed approach of type qualitative → quantitative, mobile banking users' expectations were identified within 4 main expectation as: expectations of the main services, added service, facilitating conditions for using and perceived usefulness for using mobile banking. Data has been collected from 308 users of mobile banking through the closed questionnaire. In the next step, after determining the optimal number of clusters by Ward method, data mining technique of KMeans has been used for clustering. Based on Anova test applied on identified expectations, the results showed that the average of expectations between clusters is different because the significance level of this expectations was lower than 0.001.