بخش بندی مشتریان بانک با تکیه بر تراکنش های مشتریان با استفاده از شگرد های داده کاوی(مطالعه موردی یک موسسه مالی و اعتباری ایرانی)

پایان نامه
چکیده

با توجه به افزایش فشارهای بازار و رقابت بین کسب و کارها بر اثر ورود رقبای جدید و مسائلی از قبیل خصوصی سازی، اهمیت مشتری و مشتری محور شدن، بیش از پیش نمایان شده است. با مراجعه به وب سایت بانک مرکزی، می توان به عنوان مثال برای سال 1370 - 1380 مشاهده کرده که نزدیک به هفت موسسه مجوز فعالیت گرفته اند که این روند برای سال های بعد رشد بیشتری نیز داشته است به گونه ای که هر روز طرح های جدیدی برای جذب مشتری از سوی این موسسات در روزنامه ها، تلویزیون، اینترنت و دیگر مجراهای تبلیغاتی پیشنهادمی شود. بسیاری از سازمان ها داده های زیادی را درباره مشتریانشان جمع آوری و ذخیره می کنند ولی ناتوانی آن ها در کشف دانش پنهان با ارزش از این داده ها سبب می شود که این داده ها به دانش تبدیل نشوند و ذخیره سازی داده ها عملاً بیهوده باشد. صاحبان کسب و کارها میل به بیرون آوری اطلاعات ناشناخته، معتبر و قابل درک از بانک های اطلاعاتی عظیم خود و استفاده از این اطلاعات برای کسب سود بیشتر دارند. همان طور که اشاره شد در حال حاضر بانک ها در یک فضای رقابتی فعالیت می کنند که تنوع خدمات پیشنهاد شده در این صنعت روبه افزایش است. هیچ بانکی نمی تواند در زمینه های مختلف، بهترین خدمات ممکن را پیشنهاد دهد. همچنین یک بانک نمی تواند خدمات خویش را به کل بازار بالفعلپیشنهاد دهد. با توجه به تحقیقات انجام شده ترکیب جایگاهیابی نهادی، جایگاهیابی محصولات یا خدمات و جایگاهیابی بر اساس سیستم پیشنهاد خدمات و جایگاهیابی بخشی، چهار راهبرد زیر را در دسترس بانک ها قرار می دهد: ?) رویکرد توجه به تمام نیازهای مشتریان و در همه سطوح؛ ?) رویکرد توجه به تمام نیازهای گروهی از مشتریان و در همه سطوح؛ ?) رویکرد توجه به نیازهای خاص تمام مشتریان و در همه سطوح؛ ?) رویکرد توجه به نیازهای خاص گروهی از مشتریان و در بعضی سطوح و این رویکرد چهارم است که بانک می تواند از طریق توجه به بخشی از بازار و بعضی نیازهای آن، منابع مورد نیاز خود را به حداکثر برساند. در همین راستا، بخش بندی مشتری، به دلیل تفاوت های موجود در رفتار مشتریان و به منظور بازاریابی هدفمند همواره مورد توجه قرار گرفته است. بخش بندی مشتری ها بر اساس شاخص های مختلف و سرانجام استفاده از این بخش بندی به عنوان معیاری جهت تصمیم گیری و برنامه ریزی در مورد این گروه ها، پاسخی برای این رویکرد می باشد تا با توجه به ارزش هر گروه و امتیاز هر یک بتوان نیاز های هر گروه را متناسب با آن پیشنهاد نمود. استفاده از استراتژی بخش بندی مشتری، فواید زیادی خواهد داشت. آشکارترین فایده آن این است که تصمیم گیرنده ها می توانند از یک ترکیب خاص بازاریابی برای هدف گذاری یک گروه کوچک تر با دقت بالاتر استفاده کنند. علاوه بر این به تصمیم گیرندگان امکان می دهد منابع را به صورت کاراتر و اثرگذارتر بکار گیرند. ارتباطات نزدیک تر بین مشتریان و شرکت، از دیگر مزایای بازاریابی هدفمند به شمار می آید. همچنین نتایج حاصل از بخش بندی مشتری امکان تعیین استراتژی های رقابتی خاص( تمایز، قیمت کمتر یا استراتژی تمرکز) را برای موسسات، فراهم می نماید. تعیین بخش های مشتریان در ارزیابی فرصت ها و تهدیدات موسسات نیز راه گشا خواهد بود. بسیاری از محققان به این نتیجه رسیده اند که مبادلات گذشته مشتریان تخمین زننده های بسیار خوبی جهت پیش بینی رفتار مشتریان در آینده می باشد. در سازمان های خدمات مالی مانند بانک نیز وضعیت گذشته حساب مشتری می تواند به عنوان عاملی مهم و تعین کننده در رفتار مشتری در دوره های بعدی برای سودآوری بانک باشد. پس بهترین راهکار برای اینکه از نظر هزینه نیز برای بانک ها به صرفه باشد این است که به هر مشتری خدمات مورد نیاز همان مشتری را پیشنهاد دهند. ولی به گونه ای که آن مشتری نیاز به خدمات شرکت های رقیب را در خود نبیند. برای این کار باید در ابتدا مشتری های هر بانک را به گروه هایی بخش بندی نماییم. بعد از آن با توجه به ارزش هر گروه برای آن گروه با توجه به نیاز های مورد نیاز آن ها هزینه نمود که آن نیز توسط تحلیل ها و آنالیز آن ها شناسایی می شود. این راهبرد بانک ها را به برآورده ساختن نیازها و خواسته های برآورده نشده مشتریان، برآورده ساختن یک نیاز بهتراز سایر رقبا یا تخصصی سازی در خدمت رسانی به مشتریان کوچکی که بانک های بزرگ آن ها را نادیده گرفته اند، تشویق می کند. در این تحقیق قصد داریم که با توجه به شگرد های داده کاوی، مشتری های بانک را با توجه به تراکنش های آن ها و ارزش هر مشتری دسته بندی و در نهایت هر گروه مشتری را ارزش گذاری نماییم تا موسسه بتواند با توجه به ارزش هر گروه خدمات متناسب آن گروه در جهت حفظ و افزایش رضایت مشتری پیشنهاد و سود و منفعت خود را به بیشینه برساند. و در ادامه با توجه به تحلیل و آنالیز هر گروه بتوان پیش بینی نمود که یک مشتری جزء کدام دسته از گروه های مشتریان خواهد بود تا ویژگی های مختلف مشتریان خود را شناخته و سپس برمبنای ویژگی های هر مشتری، استراتژی های بازاریابی مناسب را برای آن توسعه دهد و بدین روش در پیشبرد اهداف که همواره دست یابی به سود بیشتر، هزینه کمتر و مهم تر از آن جلب رضایت و حفظ مشتریان کنونی و جذب مشتری بیشتر است، برسد. علاوه بر این برای محاسبه ارزش مشتری یک مدل جدید بر پایه مدل تحلیلی rfm برمبنای ویژگی های داده های مورد مطالعاتی پیشنهاد و با به کارگیری آن در کنار شگرد های داده کاوی، کارایی خوشه بندی مشتری ها را بهبود بخشیده و در نهایت با استفاده از شگرد های استقرایی برای هر گروه مشتری، قوانین اجتماعی را بیرونآوری می کنیم تا با استفاده از نتایج آن در موسسه، مدیریت ارتباط با مشتری کارایی بیشتری داشته باشد و با مشخص شدن گروه های مشتری و ارزش هر گروه استراتژی های بازاریابی مناسب آن گروه توسعه داده شود.

منابع مشابه

طبقه‌بندی اعتباری مشتریان حقوقی یک بانک ایرانی با استفاده از KFP-MCOC

ریسک اعتباری یکی از مهم‌ترین ریسک‌های بانک‌داری است که ناشی از عدم پرداخت به موقع اصل و فرع تسهیلات اعطایی می‌باشد. اهمیت اندازه‌گیری این ریسک به این دلیل است که عدم اندازه‌گیری و مدیریت آن، منجر به افزایش حجم مطالبات مشکوک الوصول می‌شود و زیان‌های غیر منتظرة آتی را برای بانک‌ها به همراه دارد. در پژوهش حاضر به ارائة یک مدل مبتنی بر بهینه‌سازی خطی و غیرخطی پرداخته‌شده است. این مدل ریاضی به دنبال...

متن کامل

رتبه بندی اعتباری مشتریان حقیقی بانک ها با استفاده از مدل های مختلف شبکه های عصبی: مطالعه موردی یکی از بانک های خصوصی ایران

در گذشته تصمیم گیری در مورد اعطای تسهیلات به مشتریان بانکها در ایران به روش سنتی و بر پایه قضاوت شخصی در مورد ریسک عدم بازپرداخت صورت می پذیرفت. لیکن افزایش فزاینده تقاضای تسهیلات بانکی از سوی بنگاه های اقتصادی و خانوارها از یک سو و افزایش رقابت های تجاری گسترده و تلاش بانک ها و موسسات مالی و اعتباری در کشور برای کاهش ریسک عدم بازپرداخت تسهیلات از سوی دیگر موجب به کار گیری روش های نوین از جمله ...

متن کامل

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه‌های عصبی هوشمند GMDH انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می‌گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده‌اند. در این مقاله پس از بررسی پرونده‌های اعتبا...

متن کامل

رتبه بندی اعتباری مشتریان حقوقی بانک پارسیان

این مقاله با هدف مدلسازی سنجش ریسک اعتباری و اعتبارسنجی مشتریان در بانک پارسیان به روش رگرسیون لاجیت وپروبیت و مدل شبکه‌های عصبی هوشمند GMDH انجام می‌شود. بدین منظور اطلاعات و داده‌های مالی و کیفی یک نمونه تصادفی 400 تایی از مشتریان که تسهیلات دریافت نموده اند مورد بررسی قرار می‌گیرد. این حجم نمونه از مشتریان دارای حساب منتهی به سال 1388 انتخاب شده‌اند. در این مقاله پس از بررسی پرونده‌های اعتبا...

متن کامل

بررسی رفتار اعتباری مشتریان تسهیلات مصرفی بخش مسکن با استفاده از شبکه های عصبی امتیازبندی اعتباری

امروزه سیستم های هوشمند کاربردهای فراوانی در امور مختلف بانکی و مالی پیدا کرده اند. بررسی و تصویب اعتبارات، یکی ازکاربردهای شبکه های عصبی است. از طرف دیگر محدودیت منابع در بخش مسکن و به تبع آن کمبود مسکن در کشور، تخصیصبهینه منابع را یک ضرورت نموده است. پژوهش حاضر با هدف ارائه مدل مناسب بررسی رفتار اعتباری مشتریان تسهیلات مصرفی تسهیلات خرید مسکن  با استفاده از شبکه های عصبی جهت امتیازبندی اعتبار...

متن کامل

طراحی سیستم هوشمند ترکیبی رتبه بندی اعتباری مشتریان بانک ها با استفاده از مدل های استدلالی فازی ترکیبی

هدف اصلی تمام بانک های تجاری جمع آوری پس اندازهای افراد حقیقی و حقوقی و تخصیص آن ها به صورت تسهیلات به شرکت های صنعتی، خدماتی و تولیدی است . عدم بازپرداخت تسهیلات از جانب این مشتریان، بانک ها را دچار م شکلات عدیده ای از جمله ناتوانی در بازپرداخت وام های بانک مرکزی، بیشتر شدن مقدار تسهیلات از مقدار باز پرداختی های مشتریان و عدم توانایی اعطای تسهیلات می کند . اهمیت اعطای تسهیلات در صنعت بانکداری ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه قم - دانشکده فنی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023