طبقه بندی مشتریان بانک صادرات براساس ارزش مشتری با استفاده از درخت تصمیم

Authors
abstract

با توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است‏، بسیاری از شرکت ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند.‏ مدیریت ارتباط با مشتری 3(crm) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت ها ظهور پیدا کرده است. ساختار موفق ‎crm‎ در شرکت ها از شناسایی ارزش درست مشتری شروع می شود، زیرا ارزش مشتری اطلاعات مهمی را به منظور گسترش هدف و مدیریت فراهم می کند. ‎‎تکنیک هایی مثل داده کاوی سبب شده است که مدیریت ارتباط با مشتری در حوزه جدید رقابت پیشرفت کند به طوری که شرکت ها بتوانند در رقابت تجاری سود داشته باشند. از طریق داده کاوی -کشف دانش پنهان از پایگاه داده- سازمان ها می توانند مشتری ارزشمندشان را بشناسند و رفتار آینده آنها را پیش بینی و تصمیمات مفید و دانش محور را اتخاذ کنند. هدف از انجام این تحقیق بدست آوردن معیار های موثر در انتخاب مشتری ارزشمند است که بتوان مشتریان را براساس ویژگی های جمعیت شناختی شان و سایر متغیرهای مربوط به معاملات به طبقات سود خیلی کم، کم سود‏، سودبالا و سود خیلی بالا طبقه­بندی کرد. در این تحقیق تاثیر ویژگی های جمعیت شناختی افراد از جمله سن‏، تحصیلات‏ و شغل افراد همچنین تاثیر درجه شعبه، مکان شعبه بانک و تعداد تراکنش افراد برروی ارزش مشتری بررسی می­شود. متغیر وابسته در این تحقیق مقدار ارزش مشتری است که به چهار طبقه دسته­بندی شده است. جامعه آماری در این تحقیق مشتریان دارای حساب جاری فعال نزد بانک صادرات ایران در شهر تبریز است و مشتریانی را در نظر گرفتیم که حداقل یک سال سابقه فعالیت بانکی نزد بانک صادرات دارند. برای  بررسی هدف موردنظر، درخت تصمیم chaid یکی از الگوریتم­های داده کاوی مورد استفاده قرار گرفت. نتایج نشان داد متغیرهای سن، تحصیلات مشتری و درجه شعبه بانک تاثیر معنی­داری بر ارزش مشتری ندارند. تعداد تراکنش مشتری با بانک موثرترین ویژگی مشتری در تشخیص طبقه مشتری می­باشد. 3- customer relationship management

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تعیین ماندگاری و سودآوری مشتریان بانک با استفاده از تعمیم مدل درخت تصمیم و جنگل رگرسیون

در این تحقیق با استفاده از روش‌های جنگل تصادفی و جنگل رگرسیون که تعمیم‌یافته مدل درخت تصمیم و رگرسیون هستند، عوامل مؤثر بر ماندگاری و سودآوری مشتریان ارزی یک بانک تجاری دولتی، موردبررسی قرار می­گیرد. جامعه آماری تحقیق شامل مشتریانی است که دارای یکی از انواع حساب‌های ارزی بانک بوده و به‌طور همزمان از خدمات حواله‌های ارزی، گشایش اعتبارات اسنادی و تسهیلات ارزی استفاده می­نمایند. همچنین صحت نتایج ب...

full text

بخش‏ بندی مشتریان بانک صادرات ایران با استفاده از داده کاوی

امروزه یکی از چالش‎های بزرگ سازمان‎های مشتری محور، شناخت مشتریان، ایجاد تمایز بین گروه‏های مختلف مشتریان و رتبه‏بندی آنهاست. در گذشته تفکیک مشتریان به گروه‏های مختلف با رویکرد بخش‏بندی بر اساس نیاز مشتری صورت می‏گرفت. اما امروزه ارزش مشتری به عنوان عامل قابل اندازه‏گیری می‎تواند در بخش‎بندی مشتریان به کار رود.  هدف اصلی این مقاله بخش‎بندی مشتریان بانک بر اساس عوامل مؤثر بر ارزش طول عمر مشتریان ...

full text

دسته بندی مشتریان حقوقی و پیش بینی توانایی سوددهی آنان با استفاده از ارزش طول عمر مشتری و رویکرد زنجیره مارکوف (مورد مطالعه: مشتریان یک بانک خصوصی)

در عصر حاضر، مشتریان مهم ترین منبع درآمد مؤسسات مالی و بانک ها محسوب می شوند. با توجه به روندخصوصی سازی در کشور و تغییر ساختار مالی بانک ها، ضرورت بیشتری در حفظ و جذب مشتریان سودآور احساسمی گردد. هرچند یکی از مهم ترین روش های شناسایی مشتریان سودآور مفهوم ارزش طول عمر مشتری است ولیمهم تر از آن برآورد و تخمین وضعیت آینده مشتریان است زیرا که سودآوری بانک به وضعیت مشتریان در آیندهبستگی دارد. در این...

full text

بخش‏ بندی مشتریان بانک صادرات ایران با استفاده از داده کاوی

امروزه یکی از چالش‎های بزرگ سازمان‎های مشتری محور، شناخت مشتریان، ایجاد تمایز بین گروه‏های مختلف مشتریان و رتبه‏بندی آنهاست. در گذشته تفکیک مشتریان به گروه‏های مختلف با رویکرد بخش‏بندی بر اساس نیاز مشتری صورت می‏گرفت. اما امروزه ارزش مشتری به عنوان عامل قابل اندازه‏گیری می‎تواند در بخش‎بندی مشتریان به کار رود.  هدف اصلی این مقاله بخش‎بندی مشتریان بانک بر اساس عوامل مؤثر بر ارزش طول عمر مشتریان ...

full text

رویکردی نوین از کاربرد مدل های تصمیم گیری چند معیاره در طبقه بندی مشتریان اعتباری بانک

همواره مهم ترین عامل در تعیین وضعیت اعتباری مشتریان، بررسی ریسک اعتباری آن ها بوده است. در گذشته ریسک اعتباری غالبا با قضاوت شهودی تعیین می گردید که در مقایسه با روش های آماری و هوش مصنوعی که اخیرا مورد توجه قرار گرفته اند ازکارایی کمتری برخوردار بوده است. این در حالی است که بکارگیری روش های آماری، مستلزم توزیع مشخص داده ها می باشد و از طرف دیگر استفاده از روش های هوش مصنوعی نیز مستلزم محاسبات ...

full text

My Resources

Save resource for easier access later


Journal title:
مدیریت بهره وری

جلد ۹، شماره ۳۳، صفحات ۱۱۹-۱۳۴

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023