طبقه بندي مشتريان بانك صادرات براساس ارزش مشتري بااستفاده از درخت تصميم

Saderat Bank customer classification using decision tree Based on customer value

با توجه به اينكه امروزه كسب رضايت مشتري در محيط تجاري اهميت زيادي پيدا كرده است‏، بسياري از شركت‌ها به منظور افزايش سود و رضايت مشتري بر روي ارزش مشتري تمركز دارند.‏ مديريت ارتباط با مشتري 3(CRM) ابزار بالا بردن ارتباط مشتري به عنوان اصل رقابت در شركت‌ها ظهور پيدا كرده است. ساختار موفق ‎CRM‎ در شركت‌ها از شناسايي ارزش درست مشتري شروع مي‌شود، زيرا ارزش مشتري اطلاعات مهمي را به منظور گسترش هدف و مديريت فراهم مي‌كند. ‎‎تكنيك‌هايي مثل داده كاوي سبب شده است كه مديريت ارتباط با مشتري در حوزه جديد رقابت پيشرفت كند به طوري كه شركت‌ها بتوانند در رقابت تجاري سود داشته باشند. از طريق داده كاوي -كشف دانش پنهان از پايگاه داده- سازمان‌ها مي‌توانند مشتري ارزشمندشان را بشناسند و رفتار آينده آنها را پيش‌بيني و تصميمات مفيد و دانش محور را اتخاذ كنند. هدف از انجام اين تحقيق بدست آوردن معيار‌هاي موثر در انتخاب مشتري ارزشمند است كه بتوان مشتريان را براساس ويژگي‌هاي جمعيت شناختي‌شان و ساير متغيرهاي مربوط به معاملات به طبقات سود خيلي كم، كم سود‏، سودبالا و سود خيلي بالا طبقه بندي كرد. در اين تحقيق تاثير ويژگي‌هاي جمعيت شناختي افراد از جمله سن‏، تحصيلات‏ و شغل افراد همچنين تاثير درجه شعبه، مكان شعبه بانك و تعداد تراكنش افراد برروي ارزش مشتري بررسي مي شود. متغير وابسته در اين تحقيق مقدار ارزش مشتري است كه به چهار طبقه دسته بندي شده است. جامعه آماري در اين تحقيق مشتريان داراي حساب جاري فعال نزد بانك صادرات ايران در شهر تبريز است و مشترياني را در نظر گرفتيم كه حداقل يك سال سابقه فعاليت بانكي نزد بانك صادرات دارند. براي بررسي هدف موردنظر، درخت تصميم CHAID يكي از الگوريتم هاي داده كاوي مورد استفاده قرار گرفت. نتايج نشان داد متغيرهاي سن، تحصيلات مشتري و درجه شعبه بانك تاثير معني داري بر ارزش مشتري ندارند. تعداد تراكنش مشتري با بانك موثرترين ويژگي مشتري در تشخيص طبقه مشتري مي باشد.

Customer satisfaction in todayʹs business environment has gained importance. Many companies to increase profits and customer satisfaction are focused on customer value. Customer relationship Management (CRM) is tools to enhance customer relationships has emerged as the principal competing companies. Successful customer relationship management in companies start from identifying customer value beacuse Customer value provides important information for the development and management. Techniques such as data mining has led to the development of customer relationship management in new competition areas so that companies can be profitable in business competition. Through data mining -the discovery of hidden knowledge database- organizations can identify valuable customer and predict their future behavior and take useful and knowledge-based decisions. The purpose of this research is to gain the effective features to select valuable customer that can classify customers based on population characteristics and other variables relating to transactions in classes very low profit, low profit, high profit and very high profit. In this study the influence of demographic characteristics including age, education and job level also affect the degree of branch, bank branch location and number of transactions on customer value will be checked. Dependent variable in this research is customer value that is classified into four categories. Statistical population is the all customers have an active checking account with Bank Saderat Iran in Tabriz city. To review the case, the CHAID decision tree data mining algorithms were used.Results showed that the variables age, education level of customer and bank branches have no significant effect on customer value and the number of customer transactions with bank has most effective in identifying the class of customer.