پیش بینی ارزش طول عمر مشتریان بانکی با استفاده از تکنیک دسته بندی گروهی داده ها (GMDH) در شبکه عصبی

امروزه نقش مدیریت ارتباط با مشتری به عنوان ابزار راهبردی در توسعه سازمان های تولیدی و خدماتی و همچنین جذب و نگهداری مشتریان در صنایع رقابتی، انکارناپذیر است. شناسایی، ارزش گذاری و دسته بندی مشتریان و تخصیص بهینه منابع به آنها با توجه به ارزشی که برای سازمان ها دارند، از دغدغه های اصلی حوزه مدیریت ارتباط با مشتری است. در این مقاله با استفاده از شبکه عصبی GMDH به محاسبه و پیش بینی ارزش طول عمر مشتریان، به عنوان ابزاری کلیدی در تحقق نقش مدیریت ارتباط با مشتری در صنعت بانکداری پرداخته شده است. برای این منظور، اطلاعات جمعیت شناختی و مالی 5000 مشتری حقیقی ارزنده یکی از بانک های خصوصی کشور با شرط میانگین موجودی بیش از 500 میلیون ریال در حداقل یکی از حساب ها، وارد شبکه شد. نتایج نشان داد به کمک این روش می توان با دقت بالای 90 درصد ارزش طول عمر مشتریان را پیش بینی کرد که به نسبت روش های آماری متعارف، دقت بیشتری دارد. پس از حذف متغیرهای موثر و مضاعف، شبکه بار دیگر آزمایش شد که در این حالت نیز پیش بینی با دقت بیش از 85 درصد بود