مقاله

طبقه بندی مشتریان اینترنت بانک با کمک الگوریتم های داده کاوی

چکیده

طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، بانک ها را قادر به حفظ و وفاداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. یکی از روش های داده کاوی، درخت تصمیم گیری است و چنانچه درخت تصمیم مناسبی ساخته شود، می توان مشتریان را به‎طور بهینه طبقه بندی کرد. در این نوشتار، یک مدل مناسب برای طبقه بندی مشتریان بر مبنای بهره گیری از خدمات اینترنت بانک ارائه شده است. این مدل بر اساس استاندارد crisp-dm انجام‎گرفته و داده های مورد نیاز از پایگاه داده مشتریان اینترنت بانک سینا استخراج شده است. در میان سایر درختان تصمیم گیری، درخت تصمیم نهایی مبتنی بر معیارهای بهینگی و دقت بوده و براساس دسته بندی مشتریان در سه سطح بالا، متوسط و پایین، پیش بینی مشتریان جدیدی که متقاضی استفاده از اینترنت بانک هستند، شکل می گیرد. پژوهش پیش رو از نظر هدف، کاربردی و از نظر گردآوری داده ها، پژوهشی اسنادی به‎شمار می‎رود. قوانین استخراج‎شدۀ مربوط به مشتریان، مدیران بانک‎ها را قادر می‎کند تا بر اساس الگوهای کشف‎شده سیاست‎گذاری کنند و درک بهتری از انتظارات کنونی و آتی مشتریان داشته باشند.

اسناد مشابه

  • رویکردی نوین از کاربرد مدل های تصمیم گیری چند معیاره در طبقه بندی مشتریان اعتباری بانک

    مقالهپژوهش های نوین در تصمیم گیرینرجس قاسم نیا عربی، کارشناسی ارشد گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران عبدالحمید صفایی قادیکلایی، دانشیار گروه مدیریت صنعتی، دانشکده علوم اقتصادی و اداری، دانشگاه مازندران، مازندران، ایران

    همواره مهم ترین عامل در تعیین وضعیت اعتباری مشتریان، بررسی ریسک اعتباری آن ها بوده است. در گذشته ریسک اعتباری غالبا با قضاوت شهودی تعیین می گردید که در مقایسه با روش های آماری و هوش مصنوعی که اخیرا مورد توجه قرار گرفته اند ازکارایی کمتری برخوردار بوده است. این در حالی است که بکار

  • یک رویکرد جامع برای بخش بندی بازار و طبقه بندی مشتریان با استفاده از روش های داده کاوی و برنامه ریزی خطی

    مقالهمدیریت تولید و عملیاتبهرام ایزدی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران بهرام رنجبریان، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران سعیده کتابی، دانشکده علوم اداری و اقتصاد، دانشگاه اصفهان، اصفهان، ایران فریا نصیری مفخم

    با گسترش فناوری و ظهور شرکت های الکترونیکی که انباشت داده های مشتریان در پایگاه داده را به همراه داشته، جذابیت بخش بندی بازار برای پژوهش گران فزونی یافته است. زیرا پایگاه داده مشتری یک داشته ارزشمند شرکت های الکترونیکی است که اگر به خوبی پردازش شود، می تواند شناخت بیشتری از مشتری

  • طبقه بندی مشتریان خدمات اینترنتی با استفاده از الگوریتم داده کاوی

    مقاله۲۰۱۷رشد فناوریفرید نوروزی، حامد کاظمی پور

    Nowadays, the role of customers has shifted from followers of the producers to guiding them.That is why the classification of customers in targeting and customizing services and prioritization of companies products on the basis of profitability makes great help. Internet service

  • طبقه بندی مشتریان بانک صادرات براساس ارزش مشتری با استفاده از درخت تصمیم

    با توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است‏، بسیاری از شرکت‌ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند.‏ مدیریت ارتباط با مشتری 3(CRM) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت‌ها ظهور پیدا کرده است. ساختا

  • طبقه بندی مشتریان بانک صادرات براساس ارزش مشتری با استفاده از درخت تصمیم

    مقالهمدیریت بهره وری

    با توجه به اینکه امروزه کسب رضایت مشتری در محیط تجاری اهمیت زیادی پیدا کرده است‏، بسیاری از شرکت ها به منظور افزایش سود و رضایت مشتری بر روی ارزش مشتری تمرکز دارند.‏ مدیریت ارتباط با مشتری 3(crm) ابزار بالا بردن ارتباط مشتری به عنوان اصل رقابت در شرکت ها ظهور پیدا کرده است. ساختا

  • بررسی ریسک اعتباری طبقه بندی مشتریان شبکه بانکی با استفاده از مدل های پیش بینی و تصمیم گیری چندمعیاره (مطالعه موردی: بانک ملی استان کردستان)

    مقالهبررسی حسابداریرضا جامعی، استادیار حسابداری دانشگاه کردستان، سنندج، ایران فریدون احمدی، استادیار مدیریت دولتی، دانشگاه پیام نور، تهران، ایران بهنام نصیری، دانشجوی کارشناسی ارشد حسابداری، دانشگاه کردستان، سنندج، ایران

    پژوهش حاضر با هدف طبقه بندی مشتریان بانکی بر اساس ریسک اعتباری به کمک مدل های پیش بینی و تصمیم گیری چندمعیاره انجام شده است. از آنجا که یکی از عوامل کلیدی در شبکه بانکی ریسک اعتباری است، لذا بانک ها علاقه مندند از روش های مختلف ریسک مزبور را کاهش دهند. پژوهش حاضر بر حسب هدف کاربر