بخش‏بندي مشتريان در صنعت بانكداري با استفاده از مدل توسعه‌يافته RFMC

پس از ورود جدي بانك‏هاي خصوصي و موسسات مالي و اعتباري به عرصه بانكداري، رقابت بين موسسات و بانك‏ها به منظور شناسايي، جذب و حفظ مشتريان از اهميت بالايي برخودار شده است. تحليل رفتار مشتريان در سازمان هاي فعال در اين حوزه كه با تعداد كثيري از مشتريان در نقاط پراكنده با ويژگي‏هاي متفاوت سر و كار دارند، باعث موفقيت آنها در بازار رقابتي و مديريت ارتباط موثر با مشتريان مي‌شود. بخش‌بندي مشتريان، از رويكردهاي داده‌كاوي كه منجر به كشف گروه‌هاي مشابه از مشتريان مي‌شود، اغلب بر اساس مدل "تاخر خريد، بسامد خريد، و ارزش مالي آن" (RFM) انجام مي‌گردد. در اين مقاله، الگوي جديد بخش بندي مشتريان بر پايه مدل توسعه يافته RFM به وسيله افزودن متغير توالي روزهاي انجام تراكنش(C) ارايه شده است. مشتريان بانك بر اساس مدل RFM و مدل پيشنهادي اين پژوهش (RFMC) و با استفاده از الگوريتم خوشه‏بندي دو مرحله‏اي و بكارگيري گام‏هاي متدلوژي GRISP-DM بخش‌بندي شده‌اند. اين پژوهش نشان مي‌دهد، دقت مدل RFMC نسبت به مدل RFM در بخش‌بندي مشتريان اين صنعت به مقدار 5.5% بيشتر است. پس از انجام فرايند خوشه‏بندي با استفاده از مدل پيشنهادي، مشتريان يكي از بانك‌هاي خصوصي كشور به 5 خوشه تقسيم شده‏اند. ضمن تحليل رفتار مشتريان هر خوشه، مدلي مبتني بر شبكه‏ عصبي پيش‏خوراند براي پيش‏بيني شماره خوشه مشتريان بر مبناي ويژگي‏هاي رفتاري و جمعيت‏شناختي آنها توسعه داده شده است.