کاربرد داده کاوی در بهبود مدیریت ارتباط با مشتری

نوع مقاله: مقاله پژوهشی

نویسندگان

1 عضو هیئت علمی دانشگاه صنعتی خواجه نصیرالدین طوسی

2 عضو هیئت علمی دانشگاه آزاد اسلامی

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 روشهای 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.

کلیدواژه‌ها


عنوان مقاله [English]

Usage of data mining in improvement CRM

نویسندگان [English]

  • M.J. Tarokh 1
  • K. Sharifiyan 2
چکیده [English]

Financial corporation and banks are sort of organization that due to specialty of their work, are very needy to customer management process ; and data mining is one of the best available tools for them to asses definition and behavior forecast of their customers.
Data mining is improving very fast and due to presence of vide range of data using computer is essential. Nets & powerful algorithms are used to emplace of manual analysis to derive knowledge & information from data.
In this paper: “Mellat Bank” and its information bank of different division has been evaluated after data extraction from information bank and noise distortion , k means algorithm and fuzzy - k - means algorithm standard test of cluster's compression were used for customer clustering in groups. Determination of optimum number of clusters is done by applying cluster quality assay function. Afterward was used to determine the quality of gained clusters. Then the value of each cluster was determined through FRM model. At the end of project for clusters analysis and define appropriate strategy for each cluster; the pyramid of customer value was used.

کلیدواژه‌ها [English]

  • Data mining
  • Clustering
  • Pyramid of Costume
  • Volme Geneti Algorithm - Rules - Customer