مدل به‌کارگیری تکنیک‌های داده‌کاوی در شناسایی، بخش‌بندی و تحلیل رفتار مشتریان خدمات بانکداری الکترونیکی

نویسندگان

1 کارشناس ارشد مهندسی فناوری اطلاعات، دانشگاه شیراز، شیراز، ایران

2 دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران، گروه مدیریت فناوری اطلاعات، تهران، ایران

چکیده

بانک‌ها به منظور ارائه خدمات الکترونیکی به مشتریان خود نیازمند شناسایی و تحلیل رفتار آن‌ها هستند. تکنیک‌های داده‌کاوی می‌توانند در حجم زیاد داده‌های مشتریان به کسب دانش نهان برای پشتیبانی از تصمیمات بازاریابی کمک کنند. مسئله اصلی، چگونگی به‌کارگیری تکنیک‌های داده‌کاوی و مدل تحلیل RFM در شناسایی و تحلیل رفتار مشتریان در بخش‌بندی و طبقه‌بندی و انتخاب گروه‌هایی از مشتریان ارزشمند است. مدل پیشنهادی در این مقاله بر مبنای فرایند استاندارد CRISP در داده‌کاوی بوده و در آن بعد از آماده‌سازی و پیش‌پردازش داده‌ها، دو رویکرد مطرح می‌شود. 1. بخش‌بندی مشتریان به کمک خوشه‌بندی و محاسبه ارزش هر مشتری در خوشه‌ها و رتبه‌بندی آن‌ها برای پیدا کردن ارزشمندترین خوشه‌ها. 2. امتیازدهی وتعیین ارزش مشتری به عنوان ویژگی هدف در ساخت مدل‌های طبقه‌بندی میزان ارزش مشتریان. از مجموعه داده جمعیت‌شناختی و تراکنشی مشتریان برای آموزش و تست مدل پیشنهادی استفاده شد. نتایج نشان می‌دهد که به‌کارگیری مدل پیشنهادی می‌تواند مشتریان را بر اساس رفتار آن‌ها شناسایی و تحلیل نموده و به بخش‌بندی و طبقه‌بندی آن‌ها بپردازد تا پشتیبانی از تصمیمات برنامه‌های بازاریابی و ارتقا آن انجام شود.

کلیدواژه‌ها


عنوان مقاله [English]

Model of Appling Data Mining Techniques in identification, segmentation and Analysis of Customers Behaviour of Electronic Banking Services

نویسندگان [English]

  • Seyedeh Fatemeh Zeinolabedini 1
  • Mohammad Khanbabaei 2
1 MSc. In Information Technology Management, University of Shiraz, Shiraz, Iran
2 Department of Information Technology Management, Science and Research Branch, Islamic Azad University, Tehran, Iran
چکیده [English]

Banks need to identify and analyze the behavior of their customers in order to present electorinc services to them. In high volume customers' data set, data mining techniques can help to gain hidden knowledge for supporting marketing decisions. The main problem is how using data mining and RFM analysis model in identification and analysis of customers' behavior in order to segment and classify and select groups of valuable customers. The proposed model in this paper is based on CRISP – DM standard in data mining and in this model, after data preparation and preprocessing, two approaches are presented. 1. Customers segmentation via clustering and then, calculate customer value in clusters and ranking them for finding valuable clusters. 2. Scoring and determine customer value as target attribute in construction of classification models of customers value. Demographic and transactional data set are used to train and test of the proposed model. Results shows using the proposed model can identify and analyze customers with respect to their behaviors and segment and classify them until supporting and promoting marketing decisions can be done.

کلیدواژه‌ها [English]

  • Data Mining
  • Customer Segmentation
  • Customer Behaviour
  • electronic banking