پیش بینی ارزش طول عمر مشتریان بانکی با استفاده از تکنیک دسته‎بندی گروهی داده‎ها (gmdh) در شبکۀ عصبی

امروزه نقش مدیریت ارتباط با مشتری به‎عنوان ابزار راهبردی در توسعۀ سازمان­های تولیدی و خدماتی و همچنین جذب و نگهداری مشتریان در صنایع رقابتی، انکارناپذیر است. شناسایی، ارزش­گذاری و دسته­بندی مشتریان و تخصیص بهینۀ منابع به آنها با توجه به ارزشی که برای سازمان­ها دارند، از دغدغه­های اصلیِ حوزۀ مدیریت ارتباط با مشتری است. در این مقاله با استفاده از شبکۀ عصبی gmdh به محاسبه و پیش­بینی ارزش طول عمر مشتریان، به‎عنوان ابزاری کلیدی در تحقق نقش مدیریت ارتباط با مشتری در صنعت بانکداری پرداخته شده است. برای این منظور، اطلاعات جمعیت­شناختی و مالی 5000 مشتری حقیقی ارزندۀ یکی از بانک‎های خصوصی کشور با شرط میانگین موجودی بیش از 500 میلیون ریال در حداقل یکی از حساب­ها، وارد شبکه شد. نتایج نشان داد به‎کمک این روش می‎توان با دقت بالای 90 درصد ارزش طول عمر مشتریان را پیش­بینی کرد که به نسبت روش­های آماری متعارف، دقت بیشتری دارد. پس از حذف متغیرهای مؤثر و مضاعف، شبکه بار دیگر آزمایش شد که در این حالت نیز پیش­بینی با دقت بیش از 85 درصد بود