بخش بندی مشتریان با استفاده از الگوی clv بر اساس ساختار شبکه عصبی

امروزه یکی از چالش های بزرگ سازمان های مشتری محور،شناخت مشتریان،ایجاد تمایز بین گروه های مختلف مشتریان و رتبه بندی آنهاست.در گذشته تفکیک مشتریان به گروه های مختلف،با رویکردبخش بندی بر اساس نیاز مشتری صورت می گرفت،اما امروزه ارزش مشتری به عنوان پارامتری که قابل اندازه گیری است،می تواند به عنوان عامل بخش بندی مشتریان به کار رود.به این ترتیب با بخش بندی مشتریان بر اساس پارامتر های اثرگذار در ارزشمندی آنها و سپس سنجش ارزش هر یک از بخش ها می توان استراتژی های بازاریابی و مدیریت ارتباط با مشتریان و در رده های بالاتر استراتژی های کلان سازمان را متناسب با ویژگی های بخش خای مختلف مشتریان تبیین نمود. هدف اصلی این تحقیق بخش بندی مشتریان بر اساس عوامل موثر بر ارزش طول مشتریان،در حوزه بانکداری خرد است.در راستای هدف اصلی این تحقیق،اطلاعات مربوط به 56000 مشتری بانک توسعه تعاون در بازه زمانی فروردین ماه سال 89 تا فروردین ماه سال 91 دریافت شد.داده ها پس از پالایش و حذف داده های ناقص و مغشوش مورد داده کاوی قرار گرفتند.ابتدا تعداد خوشه بهینه توسط الگوریتم two-step تعیین شد و بر اساس آن توسط الگوریتم شبکه عصبی کوهنن خوشه های بهینه در 2 مرحله صورت گرفت.ارزش هر خوشه بر اساس الگوی clv و بر اساس شاخص wrfm محاسبه شد و بدین ترتیب ارزش هر خوشه بدست ?مده و خوشه ها رتبه بندی شدند.در نهایت مشتریان طلایی که مشتریان هدف بانک بوده شناسایی شد. نتایج به دست آمده از این پژوهش می تواند به عنوان بستری برای تدوین برنامه های بازاریابی،توسعه و پیشنهاد محصولات جدید برای هر یک از گروه های مشتریان بر طبق میزان استقبال و استفاده هر یک از گروه ها از انواع محصولات و توسعه طرح بانکداری اختصاصی برای بخش های ارزشمندتر به کار رود