نوع مقاله : مقاله پژوهشی

نویسندگان

• سمانه خواجوند ¹
• محمد تقی تقوی فرد ²
• اسماعیل نجفی ³

¹ کارشناس ارشد مهندسی صنایع، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

² استادیار دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی

³ استادیار گروه مهندسی صنایع، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

چکیده

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 در حیطه بانکداری خرد است. در راستای این هدف اطلاعات تراکنشی و اطلاعات استفاده از خدمات بانکی مربوط به 30,000 مشتری بانک صادرات ایران در دوره زمانی یک ساله (از فروردین 89 تا فروردین 90) دریافت شد. مشتریان نمونه بر اساس تحلیل آر اف ام و از طریق اطلاعات تراکنشی (تاریخ آخرین تراکنش، تعداد تراکنش‏ها در بازه زمانی یک ساله و مانده حساب در انتهای این بازه زمانی) با استفاده از الگوریتم two step خوشه‎بندی شدند. سپس کشف الگوهای پنهان بین داده‏های استفاده از خدمات بانکداری و بخش‏های مختلف مشتریان با استفاده از الگوریتم C5.0 انجام گرفت. طبق نتایج به دست آمده، مشتریان به چهار بخش تفکیک شدند و ویژگی‎های هریک از بخش‎ها مورد بررسی و تجزیه و تحلیل قرار گرفت. نتایج به دست آمده از این پژوهش می‎تواند برای تدوین برنامه‎های بازاریابی و توسعه و پیشنهاد محصول و خدمات برای هر یک از گروه‎های مشتریان به کار رود.

کلیدواژه‌ها

• بخش‎ بندی مشتریان
• بانکداری
• داده کاوی
• ارزش طول عمر مشتری
• تحلیل آر اف ام

عنوان مقاله [English]

Bank Customer Segmentation Using Data Mining

نویسندگان [English]

• Samaneh khajvand ¹
• Mohammadtaghi Taghavifard ²
• Esmaeil Najafi ³

¹ .S. Islamic Azad University, Science and Research Branch, Tehran

² Assistant Professor, Allame Tabataba’i University

³ Assistant Professor, Islamic Azad University, Science and Research Branch, Tehran

چکیده [English]

One of the important challenges in customer-based organizations is customer cognition, understanding difference between them and ranking them. Customer need-based segmentation was common in past years, but recently customer value as a quantifiable parameter could be used for customer segmentation.
The main goal of this research is present a framework for customer segmentation based on customer value. In this regard, the information of thirty thousand customers of Saderat Bank from April 2010 to April 2011 was received. The data was used for segmenting customers based on Weighted RFM which was adapted with retail banking scope using two step algorithm. Then hidden patterns between the data of retail banking product ownership and customer value-based segmentation was discovered using C5.0 algorithm.
In the conclusion, customers were divided to four groups and then features of each segment were analyzed. The result of this study could be used as a guideline for marketing strategies and developing of services and products for each group. 

کلیدواژه‌ها [English]

• Customer segmentation
• Banking
• Data mining
• Customer lifetime value
• RFM analysis