ارائه روشي براي بخش بندي مشتريان با استفاده از مدل RFM در شرايط عدم قطعيت

A method for clustering customers using RFM model and grey numbers in terms of uncertainty

هدف از انجام اين پژوهش ارائه روشي براي بخش بندي مشتريان بانك بر مبناي مدل RFM در شرايط عدم قطعيت مي باشد. در چارچوب پيشنهادي اين پژوهش پس از تعيين مقادير شاخص هاي مدل RFM شامل تازگي مبادله (R)، تعداد دفعات مبادله (F) و ارزش پولي مبادله (M) براي از بين بردن عدم قطعيت حاكم بر آن ها، از تئوري اعداد خاكستري استفاده شده و با استفاده از يك روش متفاوت به بخش بندي مشتريان پرداخته شده است. به اين ترتيب مشتريان بانك به سه بخش يا خوشه اصلي تحت عنوان مشتريان خوب، معمولي و بد تفكيك شده اند. پس از اعتبارسنجي خوشه ها با استفاده از شاخص هاي دان و ديويس بولدين، ويژگي هاي مشتريان در هر يك از بخش ها شناسايي شده است. در پايان نيز پيشنهادهايي جهت بهبود سيستم مديريت ارتباط با مشتري ارائه مي گردد.

The purpose of this study is presentation a method for clustering bank customers based on RFM model in terms of uncertainty. According to the proposed framework in this study after determination the parameter values of the RFM model، including recently exchange (R)، frequency exchange (F)، and monetary value of the exchange (M)، grey theory is used to eliminate the uncertainty and customers are segmented using a different approach. Thus، bank customers are clustered to three main segments called good، ordinary and bad customers. After cluster validation using Dunn index and Davis Bouldin index، properties of customers are detected in any of the segments. Finally، recommendations are offered to improve customer relationship management system.