بررسی و خوشه بندی مشتریان، بر اساس مدل RFM و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی

این تحقیق بررسی و خوشه بندی مشتریان ،بر اساس مدل RFM و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی می پردازد. جامعه آماری.گروه اول، جهت تعیین وزن شاخص های R, F, M ، 18 نفر از خبرگان بانک ملت استان مازندران هستند وگروه دوم جهت خوشه بندی مشتریان بر اساس مدل RFM و با استفاده از داده های اسنادی بانک مشتریان ،اصناف و فروشگاه هایی که دارای POS)) بانکی می باشند. روش تجزیه و تحلیل داده ها تکنیک تحلیل سلسله مراتبی فازی، تکنیک آنتروپی، روش کا- میانگین و روش DBSCAN  می باشد. طبق نتایج، وزن هر کدام از شاخص های آر.اف ام. با استفاده از فرایند تحلیل سلسله مراتبی و آنتروپی بدست آمد و در نهایت وزن شاخص ها بصورت ترکیبی برآورد گردید. وزن شاخص ها به ترتیب  Mبرابر 5998/0، F برابر 2672/0 و R برابر 1330/0. هم چنین در ادامه تجزیه و تحلیل داده ها، خوشه بندی مشتریان با دو روش K-Means و DBSCAN انجام شد. نتایج نشان داد روش K-means روش بهتری برای خوشه بندی مشتریان و ارائه خدمات می باشد. بعد از خوشه بندی و تشکیل هرم مشتریان با روش K-means، مشتریان بانک بر اساس اطلاعیه های ابلاغی در گروه های (مهان، شایان، پویان، تابان، رویان و بحران) دسته بندی شدند که شعب بانک ملت با استفاده از این اطلاعات می توانند، خدمات و تسهیلات مخصوص برای هر خوشه یا گروه از مشتریان در نظر بگیرند.