بخش‏بندي مشتريان بانك صادرات ايران با استفاده از داده كاوي

Bank Customer Segmentation Using Data Mining

امروزه يكي از چالش‎هاي بزرگ سازمان‎هاي مشتري محور، شناخت مشتريان، ايجاد تمايز بين گروه‏هاي مختلف مشتريان و رتبه‏بندي آنهاست. در گذشته تفكيك مشتريان به گروه‏هاي مختلف با رويكرد بخش‏بندي بر اساس نياز مشتري صورت مي‏گرفت. اما امروزه ارزش مشتري به عنوان عامل قابل اندازه‏گيري مي‎تواند در بخش‎بندي مشتريان به كار رود. هدف اصلي اين مقاله بخش‎بندي مشتريان بانك بر اساس عوامل موثر بر ارزش طول عمر مشتريان در حيطه بانكداري خرد است. در راستاي اين هدف اطلاعات تراكنشي و اطلاعات استفاده از خدمات بانكي مربوط به 30,000 مشتري بانك صادرات ايران در دوره زماني يك ساله (از فروردين 89 تا فروردين 90) دريافت شد. مشتريان نمونه بر اساس تحليل آر اف ام و از طريق اطلاعات تراكنشي (تاريخ آخرين تراكنش، تعداد تراكنش‏ها در بازه زماني يك ساله و مانده حساب در انتهاي اين بازه زماني) با استفاده از الگوريتم two step خوشه‎بندي شدند. سپس كشف الگوهاي پنهان بين داده‏هاي استفاده از خدمات بانكداري و بخش‏هاي مختلف مشتريان با استفاده از الگوريتم C5.0 انجام گرفت. طبق نتايج به دست آمده، مشتريان به چهار بخش تفكيك شدند و ويژگي‎هاي هريك از بخش‎ها مورد بررسي و تجزيه و تحليل قرار گرفت. نتايج به دست آمده از اين پژوهش مي‎تواند براي تدوين برنامه‎هاي بازاريابي و توسعه و پيشنهاد محصول و خدمات براي هر يك از گروه‎هاي مشتريان به كار رود.

One of the important challenges in customer-based organizations is customer cognition, understanding difference between them and ranking them. Customer need-based segmentation was common in past years, but recently customer value as a quantifiable parameter could be used for customer segmentation. The main goal of this research is present a framework for customer segmentation based on customer value. In this regard, the information of thirty thousand customers of Saderat Bank from April 2010 to April 2011 was received. The data was used for segmenting customers based on Weighted RFM which was adapted with retail banking scope using two step algorithm. Then hidden patterns between the data of retail banking product ownership and customer value-based segmentation was discovered using C5.0 algorithm. In the conclusion, customers were divided to four groups and then features of each segment were analyzed. The result of this study could be used as a guideline for marketing strategies and developing of services and products for each group.