ارايه مدلي تلفيقي از روش هاي خوشه بندي و QFD به منظور بهبود كيفيت خدمات بر اساس نوع مشتري با مطالعه موردي در بانك سامان قم

Proposing an Integrated Model of Clustring and QFD Approaches to Improve Quality of Services Based on Customer Type With a Case Study in Saman Bank of Qom

QFD يكي از تكنيك هايي است كه براي طراحي محصولات و خدمات به منظور منعكس كردن نيازهاي مشتريان مورد استفاده قرار مي گيرد. اولين فاز QFD، معمولاً ماتريس خانه كيفيت ناميده مي شود. با اينكه ماتريس خانه كيفيت به صورت موفقيت آميزي براي چندين دهه مورد استفاده قرار گرفته است، با اين‌حال در موارد كاربردهاي واقعي با تعدادي از مشكلات روبرو بوده است. به عنوان نمونه، در هنگام تعريف مشتريان خارجي در خانه كيفيت، اغلب يك گروه واحد از مشتريان در نظر گرفته مي شود. براي حل اين مشكل در اين مقاله مدلي تلفيقي از روش هاي خوشه بندي و QFD بر اساس نوع مشتري ارايه شده است. جامعه آماري اين تحقيق شامل مشتريان بانك سامان قم بوده و بعد از نمونه گيري تصادفي ساده، 144 پرسشنامه براي تجزيه و تحليل داده ها مورد استفاده قرار گرفته است. در اين تحقيق بعد از جمع آوري داده ها، خوشه بندي بر روي آنها انجام شده است؛ سپس براي هر خوشه يك ماتريس خانه كيفيت توسعه داده شده است. بعد از خوشه بندي تعداد خوشه ها چهار عدد تعيين شده كه در ادامه به وسيله QFD، ويژگي هاي خدمات براي هر خوشه اولويت بندي شده و در نهايت خدمات متناسب براي هر خوشه پيشنهاد شده است. نتايج اين تحقيق نشان مي دهد كه تلفيق دو روش مورد بحث، فني توانمند ايجاد مي كند كه به وسيله آن يك سازمان مي تواند با بخش-بندي بازار، شناسايي مشتريان و كسب رضايت آنها، مزيت رقابتي بدست آورد.

QFD is a technique used for designing products and services to reflect customer needs. The first phase of QFD is usually called house of quality (HOQ) matrix. Although the house of quality has been successfully used for several decades, and it has often been faced with a number of problems in real application cases .When defining the external customer in HOQ, a single customer group is often assumed. To solve this problem, in this paper an integrated model of clustering and QFD approaches based on customer type has been proposed. Statistical population of this research includes customers of Saman Bank of Qom. After random sampling, 144 questionnaires were used for data analysis. After data collection, the clustering approach was used and for each cluster one HOQ matrix was developed. The number of clusters was determined as four clusters; then, service characteristics of each cluster were prioritized by the QFD approach; and, finally, appropriate service was recommended for each cluster. The results imply that the integration of the two approaches forms an empowered technique by which, an organization can achieve competitive advantage through market segmentation, customer recognition/satisfaction. Keywords: QFD, Data mining, Clustering, Customer satisfaction, Bank.