خوشه‌بندی وفاداری مشتریان باشگاه مشتریان بانک ملت بر اساس اطلاعات دموگرافیک با استفاده از روش داده‌کاوی

نویسندگان

1 دانشگاه تهران

2 موسسه اموزش عالی مهرالبرز

چکیده

با در اختیار داشتن اطلاعات کافی از گروه­های مختلف مشتریان و خوشه بندی و طبقه­بندی آنان می­توان فعالیت­هایی از جمله برنامه­ریزی بلند مدت و بازاریابی را به شکلی هدفمند طراحی و اجرا نمود که سازمان تا حد امکان به بهره­وری برسد. مورد مطالعه این پژوهش، باشگاه مشتریان بانک ملت است. هدف از انجام این پژوهش، خوشه­بندی مشتریان به گروه­های وفادار و غیر وفادار می­باشد. داده­های مورد بررسی در این پژوهش به اطلاعات 10300 نفر از اعضای باشگاه مشتریان بانک ملت مربوط می­شود. این داده­ها شامل دو بخش اصلی اطلاعات دموگرافیک و اطلاعات مرتبط با سرویس­های استفاده شده می­باشد. روش پژوهش حاضر، توصیفی ـ پیمایشی است و برای تجزیه و تحلیل اطلاعات از تکنیک داده­کاوی استفاده شده است که با توجه به اهداف پژوهش و بررسی الگوریتم­های مختلف موجود در این تکنیک، از الگوریتم­های  C5.0و Interactive CHAID استفاده شده است. از نتایج و الگوهای به دست آمده می­توان در جهت پیش­بینی مشتریان تازه وارد و همچنین نیازهای هر گروه از مشتریان استفاده کرد و در این میان باید به نقش گروه­های به دست آمده و اطلاعات دموگرافیک آنها نیز توجه داشت.

کلیدواژه‌ها


عنوان مقاله [English]

Clustering Customers Loyalty in the Mellat Bank Customers' Club, Based on Demographic Information Using Data Mining Method

نویسندگان [English]

  • Masoud Keimasi 1
  • Mohammadrahim Esfidani 1
  • Amirbahman Esmailiyan 2
1 University of Tehran
چکیده [English]

Some activities such as long-term planning and marketing can be designed and performed through having enough information from various groups of customers and then clustering and classifying them, till the organization reach its efficiency to the possible extent. The aim of this research is to cluster the customers of Mellat Bank Customer’s Club into two groups of loyal and disloyal. Data were collected using the information of about 10300 members of this club. This data consists of two main parts including demographic information and information related to the used services by the club members. Furthermore, this research is descriptive-survey in terms of method. In addition, data were analyzed using data mining technique (C5.0, Interactive CHAID algorithms) and some other techniques.The obtained results and patterns can be used toward predicting new customers' loyalty as well as the needs of each groups of customers based on the obtained groups using their demographic information.

کلیدواژه‌ها [English]

  • Customer club
  • Loyalty
  • Data Mining
  • Clustering