مشخصات پژوهش

عنوان	یک روش هوشمند برای بخش بندی مشتریان بانکی با استفاده از تکنیک های داده کاوی
نوع پژوهش	مقاله ارائه شده
کلیدواژه‌ها	مدیریت ارتباط با مشتری (CRM)، رفتار مشتری، سری زمانی، خوشه بندی مبتنی بر ویژگی، بخش بندی مشتریان
چکیده	امروزه مدیران کسب وکارها با درک ضرورت به کارگیری مدیریت ارتباط با مشتری، همواره به دنبال راهی برای شناسایی هرچه بهتر مشتریان و درک نیازهای آن ها هستند. روش های مبتنی بر داده کاوی مانند خوشه بندی و پیش بینی، این امکان را برای آن ها فراهم کرده و در این راستا برای تحلیل رفتار مشتریان از این الگوریتم ها استفاده می ‍شود. در پژوهش حاضر، با ارائه یک روش هوشمند برای بخش بندی سری های زمانی، روشی جدید برای تحلیل رفتار مشتریان ارائه می شود. برای خوشه بندی مشتریان، ابتدا سری زمانی رفتار مشتریان بدست آمده و سپس عملیات پیش پردازش بر روی داده ها انجام می شود، پس از این مرحله، برای هر مشتری13 ویژگی منعکس کننده خصوصیات هر سری استخراج شده و این ویژگی ها با استفاده از روش امتیازدهی لاپلاس رتبه بندی شده و ویژگی های مؤثر برای فرآیند خوشه بندی انتخاب و خوشه بندی مشتریان بر اساس آن ها انجام می شود. در این گام چهار ویژگی واریانس تمام نقاط سری زمانی (Variance)، آنتروپی (Entropy)، تغییر واریانس در باقیمانده (Lumpiness) و مقادیر غیرمنتظره سری (Spikiness)، بالاترین امتیاز را در میان ویژگی ها داشتند. خوشه بندی مشتریان با استفاده از الگوریتم های K-medoids، K-means، FCM و SOM انجام شده و بهترین مدل خوشه بندی انتخاب می شود. نتایج نشان می دهد که از میان روش های مختلف خوشه بندی، الگوریتم K-medoids عملکرد بهتری نسبت به دیگر الگوریتم ها داشته و مشتریان را به 4 خوشه با شاخص شیلهوت 0.6378 افراز کرده است. .
پژوهشگران	فرزام شیخ باقری (نفر اول)، حسین عباسی مهر (نفر دوم)