کاربرد داده کاوی در بهبود مدیریت ارتباط با مشتری
نویسنده:
چکیده:
امروزه مدیریت ارتباط با مشتری فقط یک مزیت رقابتی نیست بلکه شناسایی و جذب مشتریان وفادار و نگهداشتن آنها برای ادامه حیات در بازار رقابت، امری ضروری است. بانک ها و موسسات اعتباری در گذشته به علت محدودیت تنوع خدمات و عدم دسترسی به اطلاعات مشتریان، از روش های ساده کیفی جهت سنجش اعتبار مشتریان خود استفاده می کردند ولی امروزه به دلیل وجود بانکداری الکترونیکی ثبت اطلاعات تراکنشی مشتریان راحت تر صورت می گیرد و همین امر موجب شده است روش های کمی جایگزین روش های کیفی شود.
در بررسی های انجام شده یکی از مشکلات بانک ملت عدم شناسایی مشتریان و عدم اتخاذ تصمیمات مناسب مدیریت و سلیقه ای بودن تصمیمات در برخورد با مشتریان می باشد. بنابراین در این تحقیق به منظور شناسایی مشتریان بانک ملت و تدوین استراتژی مناسب برای برخورد با آنها از داده کاوی و ابزار آن مانند الگوریتم ژنتیک و الگوریتم میانگین k استفاده شد. بدین منظور ابتدا بانک ملت و بانک اطلاعاتی آن در بخش های مختلف بررسی شد پس از استخراج داده از بانک اطلاعاتی و پاک سازی آن مشتریان در گروه های مختلف، با استفاده از الگوریتم میانگین k به دو روش فازی و غیر فازی گروه بندی شدند. برای تعیین تعداد بهینه خوشه ها ابتدا مجددا با استفاده از الگوریتم ژنتیک مشتریان در گروه های مختلف تقسیم بندی شده با استفاده از روابط خاص تعریف شده تعداد بهینه خوشه ها تعیین شد. برای ارزیابی کیفیت خوشه های بدست آمده از معیار سنجش تراکم خوشه ها استفاده شد. سپس با استفاده از معیارهای تازگی مراجعه هر مشتری، تکرار مراجعات آنها و ارزش پولی هر مشتری ارزش خوشه ها تعیین شد و در انتها برای تحلیل خوشه ها و تبیین استراتژی مناسب هر خوشه از هرم ارزش مشتری استفاده می شود. در انتها نیز از درخت تصمیم گیری قوانین شناسایی مشتریان جدید استخراج شد.
در بررسی های انجام شده یکی از مشکلات بانک ملت عدم شناسایی مشتریان و عدم اتخاذ تصمیمات مناسب مدیریت و سلیقه ای بودن تصمیمات در برخورد با مشتریان می باشد. بنابراین در این تحقیق به منظور شناسایی مشتریان بانک ملت و تدوین استراتژی مناسب برای برخورد با آنها از داده کاوی و ابزار آن مانند الگوریتم ژنتیک و الگوریتم میانگین k استفاده شد. بدین منظور ابتدا بانک ملت و بانک اطلاعاتی آن در بخش های مختلف بررسی شد پس از استخراج داده از بانک اطلاعاتی و پاک سازی آن مشتریان در گروه های مختلف، با استفاده از الگوریتم میانگین k به دو روش فازی و غیر فازی گروه بندی شدند. برای تعیین تعداد بهینه خوشه ها ابتدا مجددا با استفاده از الگوریتم ژنتیک مشتریان در گروه های مختلف تقسیم بندی شده با استفاده از روابط خاص تعریف شده تعداد بهینه خوشه ها تعیین شد. برای ارزیابی کیفیت خوشه های بدست آمده از معیار سنجش تراکم خوشه ها استفاده شد. سپس با استفاده از معیارهای تازگی مراجعه هر مشتری، تکرار مراجعات آنها و ارزش پولی هر مشتری ارزش خوشه ها تعیین شد و در انتها برای تحلیل خوشه ها و تبیین استراتژی مناسب هر خوشه از هرم ارزش مشتری استفاده می شود. در انتها نیز از درخت تصمیم گیری قوانین شناسایی مشتریان جدید استخراج شد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
153
لینک کوتاه:
magiran.com/p785242
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!