خلاصة:
در عصر حاضر یکی از چالش های بزرگ برنامه ریزان و مدیران در حوزه خدمات بانکی، شناخت مشتریان و ایجاد تمایز بین گروه های مختلف مشتریان میباشد. بدیهی است استفاده از الگوی مناسب به بانک ها این فرصت را میدهد که پیشنهادهای ارزشمند خود را متناسب با نیازهـا و خواسـته هـای بخـش هـای هدف گیری شده جهت بهبود عملکرد خود از منظرهای مختلف طراحی و ارائه نمایند. هدف این مطالعه به کارگیری مدل مناسبی برای خوشه بندی مشتریان براساس شـاخص هـایی ماننـد تازگی، تعداد تراکنش وعامل مالی میباشد. در این مقاله برای خوشه بندی داده ها از تلفیق الگوریتم های ژنتیک وسی میانگین در محیط فازی جهت غلبه بر مشکلاتی مانند حسـاس بـودن بـه مقـدار اولیـه و گرفتار شدن در دام بهینه محلی استفاده شده است . جامعه آمـاری ایـن پـژوهش ، متشـکل از مشـتری ن شعب بانک رفاه شهر تهران میباشد. همچنین از روش نمونه گیری تصـادفی سـاده بـرای اخـذ نمون ه استفاده شده است . یافته های تحقیق نشان میدهد که مشتریان متعلق به خوشه اول بـه دلیـل دارا بـودن عملکردی بالا در شاخص های «تازگی»، «تعـداد تـراکنش »، و «عامـل مـالی» جـزء مشـتریان وفـادار و مشتریان خوشه دوم به خاطر دارا بودن عملکردهای پایین در شاخص «تازگی»، متوسـط در شـاخص «تعداد تراکنش »، و بالا در شاخص «عامل مالی» جزء مشتریان رویگردان از بانک میباشند.
ملخص الجهاز:
خوشه بندی مشتریان شعب بانک رفاه با تلفیق الگوریتم های ژنتیک و سی میانگین در محیط فازی احمد قربان پور ١*، قدرت اله طلایی ٢، مریم پناهی 3 ١- دانشجوی دکتری، گروه مدیریت ، دانشکده علوم اداری و اقتصاد، دانشگاه فردوسی مشهد، ایران ٢- کارشناس ارشد مدیریت صنعتی، دانشکده مدیریت ، دانشگاه امام صادق (ع )، تهران ، ایران ٣- کارشناس ارشد مترجمی زبان انگلیسی، دانشگاه اصفهان ، اصفهان ، ایران دریافت :١٣٩٤/٣/٨ پذیرش : ١٣٩٤/١١/٢٠ چکیده در عصر حاضر یکی از چالش های بزرگ برنامه ریزان و مدیران در حوزه خدمات بانکی، شناخت مشتریان و ایجاد تمایز بین گروه های مختلف مشتریان میباشد.
در این مقاله برای خوشه بندی داده ها از تلفیق الگوریتم های ژنتیک وسی میانگین در محیط فازی جهت غلبه بر مشکلاتی مانند حسـاس بـودن بـه مقـدار اولیـه و گرفتار شدن در دام بهینه محلی استفاده شده است .
نژاد فلاطوری مقدم و همکاران (١٣٩٠) تحقیقی را با عنوان بخش بندی مشتریان بانـک و تعیـین استراتژی ارتباط با مشتری با استفاده از داده کاوی انجام دادند.
تارخ و شریفیان (١٣٨٧) پژوهشی با عنوان خوشه بندی مشـتریان بانـک و تحلیـل آنهـا ب استفاده از هرم ارزش مشتری انجام دادند.
شریف آبادی (١٣٩٣) تحقیقی را با هدف خوشه بندی مشتریان بانک با استفاده از شبکه های عصبی رقابتی انجام داد.
به ایـن منظور در این پژوهش برای تجزیه و تحلیل داده ها و خوشه بندی مشتریان از الگوریتم تلفیقـی به دلیل دارا بودن قابلیت بالاتر و غلبه بر ضعف های شناخته شده در روش هـای خوشـه بنـدی کلاسیک استفاده شد.