اطلاعات پایان نامه
شماره شناسایی : 39404008
نام و نام خانوادگی : نيلوفر معروفي
عنوان پایان نامه : سنجش بندي مشتریان با رویکرد مدیریت رفتار رویگردانی بر اساس ارزش دوره عمر مشتري با استفاده از داده كاوي:مورد مطالعه بانك دي
رشته تحصیلی : مهندسي صنايع - مهندسي صنايع
مقطع تحصیلی : كارشناسي ارشد
استاد راهنما : جاويد جوزداني
استاد مشاور : اميد بويرحسني
چکیده : موسسات مالی و بانک ها سازمان های مشتری محوری هستند که به لحاظ رقابتی، نیازمند فرآیندهای مدیریتی با هدف حفظ مشتریان و جلوگیری از رویگردانی آنان می باشند. همچنین بدلیل حجم انبوده داده ها، داده کاوی از مهمترین ابزارهای در دسترس این سازمان ها برای شناسایی ارزش مشتریان مختلف و پیش بینی رفتار آنان برای تخصیص بهینه منابع است. در این پژوهش بر مبنای روش داده کاوی کریسپ شش فاز کلی طراحی شده است و پس از تعیین مدل ال.آر.اف.ام برای سنجش ارزش دوره عمر مشتریان که شامل شاخص¬های طول ارتباط با مشتری، تازگی تراکنش، تعداد دفعات تراکنش و ارزش مالی تراکنش می باشند، داده¬ 13108 مشتری حقیقی حساب های جاری در یک دوره سه ساله از پایگاه اطلاعاتی بانک دی استخراج و عملیات پاکسازی و نرمال¬سازی بر روی داده¬ها انجام شده است. سپس وزن¬دهی به شاخص¬های مدل توسط 15 خبره بانکی و با استفاده از فرآیند سلسله مراتبی گروهی تعیین شده و خوشه¬بندی مشتریان بر اساس دوره عمر آنان و با بهره¬گیری از الگوریتم میانگین کا انجام شده است. با توجه به تحلیل تشخیصی، مشتریان به 16 خوشه که شامل 4 بخش اصلی؛ مشتریان جدید با ارزش مالی بالا، مشتریان جدید با تکرار تراکنش بالا، مشتریان رویگردان نامطمئن و مشتریان پر هزینه می¬باشند، خوشه¬بندی شده¬اند. در ادامه کیفیت خوشه¬های بدست آمده با استفاده از معیار تحلیل واریانس خوشه¬ها تایید شده و پس از بررسی ویژگی¬های هر خوشه¬ و ارائه پیشنهادهای مدیریتی مناسب هر بخش به پیش¬بینی رفتار مشتریان رویگردان با استفاده از الگوریتم درخت تصمیم پرداخته شده است. در انتهای پژوهش نیز مدل پیش بینی ارائه شده به وسیله معیارهای ارزیابی مدل، اعتبارسنجی شده و نتایج حاصل حاکی از صحت 99.72 درصدی مدل پیش بینی شده می باشند. بر این اساس مدیران بازاریابی می بایست از هزینه و وقت مصرفی برای خوشه ی مشتریان مصرف کننده منابع که شامل 41 درصد از کل مشتریان می¬ کاسته و صرف مشتریان جدید با ارزش سازمان نمایند، همچنین آن ها می توانند با استفاده از مدل رفتار مشتریان رویگردان، مشتریانی که در آستانه رویگردانی هستند را شناسایی و با ارائه استراتژی و خدمات مناسب از رویگردانی آنان جلوگیری کنند. بنابراین نتایج به دست آمده از این پژوهش می تواند بعنوان بستری برای تدوین برنامه های بازاریابی، توسعه و پیشنهاد خدمات جدید برای هر یک از خوشه های ارزشمند و نیز تیبیین برنامه نگه داشت مشتریان کم ارزش بر طبق میران استقبال و استفاده از انواع خدمات به کار رود.
کلمات کلیدی : ارزش دوره عمر مشتری, بخش بندی مشتریان, مشتریان رویگردان, مدیریت رفتار رویگردانی مشتریان, داده کاوی, الگوریتم میانگین کای, الگوریتم درخت تصمیم
تاریخ دفاع : 1397/06/20
دانلود فایل چکیده

About Proposal
Title : Subject: Measuring customer lifetime value and customer clustering following customer churn behavior management approach by using data mining: case study of Day bank
Abstract : Financial institutions and banks are customer-centric organizations that, in a competitive business environment, require management processes to protect customers and prevent them from turning away. Due to the massive accumulation of data, data mining is one of the most important tools available to these organizations to identify the value of different customers and predict their behavior for optimal resource allocation. In this study, based on the CRISP data mining method, six general phases were designed and after determining the LRFM model for assessing the customer lifetime value, which include indicators such as the length of customer relationship, recency of transaction , frequency of transaction, and monetary value of transaction,13108 records of The real customer transaction data were extracted from a database of Day bank in a three-year period and a clearing and normalization operation was performed on the data. Then, the weights of the model indicators were determined by 15 banking experts using a group hierarchical process and customer clustering based on their life time span and using K-means algorithm. Based on the diagnostic analysis, customers are clustered into 16 clusters, which include four major segments: high-value new customers, new customers with high transaction frequency, churn customers, and high cost customers. In addition, the quality of clusters obtained by using the variance analysis of clusters has been confirmed and after reviewing the characteristics of each cluster and providing the appropriate management offers for each section, the behavior of churning customers is predicted by using the decision tree algorithm Finally, the predictive model presented by the model evaluation criteria, is validated and the results indicate a 99.72% accuracy of the prediction model. Accordingly, marketing managers should reduce the cost and time spent on a cluster of consumer resource customers, which includes 41% of the total customers, and spend on newly valued customers, with the help of using the churn customers behavior model, identifying customers who are on the verge of a turning away and preventing their diversion by providing appropriate strategies and services. Therefore, the results obtained from this research can be considered as a platform for the codification of marketing plans, the development and proposing new services for each of the valuable clusters and explaining the program of keeping low-value customers according to the amount of welcome and using of types of Services applied.
Keywords : customer lifetime value, customer clustering, churn customers, customer churn behavior management, data mining, K-means algorithm, decision tree algorithm.
Download Abstract File