سامانه مدیریت همایش های علمی


یازدهمین کنفرانس بین‌المللی مهندسی صنایع


عنوان فارسی	خوشه بندی مشتریان بانک بر اساس مدل RFMI و الگوریتم رقابت استعماری

چکیده فارسی مقاله	در بازار به شدت رقابتی امروز : به طور خاص در زمینه بانکداری حفظ و نگهداری مشتریان از اهمیت بالایی ایجاد می کند. پس از شناسایی مشتریان، سازمان تنها باید در پی افزایش میزان رضایت ووفاداری آنها باشند. ار دوره عمر منتری مفهومی است که می تواند به بانک شما کمک فراوانی نماید. این میوه بیانگر ارزشی است که مشتری در طق در عصرش برای بانک ایجاد می کنند و هدف اصلی از محاسبه آن، ایجاد یک برداشت از مشتریان بر اساس ارزشی است که برای بانک دارند که با استفاده از مدل تای مختلف تعیین می گردد. یکی اتر پر کار رشد ترین مدل تما جهت تعیین ارزش دوره عمر مشتری، مد آر.اف.ام ست. این تحقیق نیز استفاده از داده کاوی بر مبنای مدل آر. اف. ام. به دنبال بخش بندی و تحلیل ویژگی های مشتریان بر اساس ارزش دوره عمر انها می باشدتا زمینه را جهت شناسایی مشتریان کلیدی و سود اور انتخاب استراتژی نمای مناسب با توجه به ویژگی های مشتریان هربخش در جهت بهبود عملکرد مدیریت ارتباط با مشتری فراهم نماید. بر این اساس پس از آماده سازی داده های مشتریان بانک مدل آر آف ام برای 28660 مشتری اجرا شده و مشتریان بر اساس سه ویژگی مدل امتیاز دهی شدند. سپس با استفاده از شاخص دﻳﻮﻳﺲ ﺑﻮﻟﺪﻳﻦ تعداد بهینه خوشه مشخص شده که مشتریان به 7 خوشه: گروه بندی شدند. الگورینم کا میانگین با الگوریشم رقابتاستعماری اجرا و مقایسه شدند. 7 خوشه ایجاد شده تجزیه و تحلیل شده و پیشنهاد هایی برای بهبود روابط با مشتری ارائه گردید

کلیدواژه‌های فارسی مقاله	خوشه بندی، ارتش دوره تمر مشتری، مدل آر.اف. ام. الگوریتم کا میانگین، الگوریتم رقابت استعماری

عنوان انگلیسی	Bank customers clustering based on RFM model and Imperialist Competitive Algorithm

چکیده انگلیسی مقاله	In today's greatly competitive market specially in banking keeping the customers creates high value. After the identification of customers, the organizations should look for their satisfaction and loyalty. The customer lifetime value is a implication that can help the banks a lot.This implication expresses the value which the client causes the customer's lifetime for banks and the main point of calculating it, is creating a conception of customers according to the value that they have to the bank which determines by the use of different models. One of the most operational models for determining the customer lifetime value is R.F.M model. This research by the use of data analysis according to R.F.M. model is also looking for clustering and analyzing the features of customers according to the customer's lifetime in order to provide the basis for detecting moneymaker customers, selecting convenient strategies concerning the features of customers in every section for improving the operation of customer's relationship management. According to this after the preparation of bank customer's datum, the R.F.M. modeling is performed for 28660 customers and they are privileged by three future of the model. Then by the use of Davies and Bouldin index optimum cluster number was specified and customers were regimented in 7 clusters. K means and Imperialist Competitive Algorithms were performed and compared. The performed 7 clusters were analyzed and some suggestions for improving the relations of customers were given.

کلیدواژه‌های انگلیسی مقاله	CLUSTERING, CUSTOMER LIFETIME VALUE, RFM MODEL, K – MEANS ALGORITHM, IMPERIALIST COMPETITIVE ALGORITHM

نویسندگان مقاله	حسين اثناعشري \| Hossein Asna ashari دانشگاه خوارزمی نسيم غنبر طهراني \| Nasim Ghanbar tehrani دانشگاه خوارزمی ابوالفضل ميرزا زاده \| Abolfazl Mirzazadeh دانشگاه خوارزمی

نشانی اینترنتی	iiec2015.org
فایل مقاله	دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده	fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده

برگشت به: صفحه اول پایگاه \| دوره مرتبط \| کنفرانس مرتبط \| فهرست کنفرانس ها