Abstract:
با تجهیز بانکها به سیستمهای پرداخت و دریافت الکترونیکی و استفاده از کارتهای اعتباری، مشتریان اکثر تعاملات بانکی خود را از طریق کارتهای اعتباری و کانالهای اعتباری نظیر دستگاههای خودپرداز ATM، پایانههای فروش POS، تلفنبانک، موبایل بانک و اینترنت بانک انجام میدهند. مشتریان با افزایش تعداد بانکها و محصولات و خدمات آنان، زمانی که خدمات و محصولات بهتری پیدا کنند، بهراحتی بانک خود را تغییر میدهند؛ بنابراین، مدیریت ارتباط با مشتری یک انتخاب اجتنابناپذیر برای بانکهاست. یکی از ابزارهایی که در زمینه مدیریت ارتباط با مشتری میتواند به سازمانها کمککننده باشد، دادهکاوی است. در این تحقیق برای شناسایی خدمات سودآوری که توسط مشتریان خوب مورد استقبال قرار گرفتهاند، چهار روش دادهکاوی درخت تصمیم، بیز ساده، K همسایه نزدیک و مدل ترکیبی استفاده شدند. هر یک از این روشها بر روی دادههای واقعی، آزمایش و کارایی هر روش سنجیده شد. نتایج ارزیابی مدلها نشان داد که دقت مدل K همسایه نزدیک در شناسایی خدمات سودآور 26/93 درصد، دقت مدل بیز 83/74 درصد و دقت مدل درخت تصمیم 18/97 درصد است و پس از ترکیب مدلها، دقت روش ترکیبی80/94 درصد شده است. همچنین مدل ترکیبی 01/96 درصد از خدمات عادی را درست شناسایی کرده و در مجموع 44/94 درصد از خدمات را بهدرستی تشخیص داده است و عملکرد بهتری نسبت به روش بیز ساده و K همسایه نزدیک داشته است. از مقایسه نتایج ارزیابی مدلها مشخص شد که استفاده از روشهای ترکیبی در مقایسه با روشهای دستهبندی مبتنی بر یک مدل، از دقت بیشتری برخوردار است.
Upon equipping the banks to Electronic payment and receiving systems as well as the use of credit cards, most of the customers do their bank transactions by using credit cards and through the use of credit channels such as ATM machines, POS sale terminals, phone banking, internet banking, etc. The customers are now better able to find their required services and products and they may even change their own bank because of the type of services required. Therefore, managing customer relations is inevitable for banks. One of the helpful instruments in managing customer relations is data mining. Four data mining methods including decision tree, simple Biz, Vicinity neighbor K and combinatory model were used in this study to identify the most profitable services used by the customers. Each of these methods has been investigated on real data and the efficiency of each method has been examines. The results of model evaluations showed that vicinity neighbor K’s accuracy in finding the profitable services was equal to 93.26%, that of Biz was 74.83% and that of decision tree was 97.18%. in addition, the accuracy of combinatory model was 94.80%. Further, the combinatory model was successful in accurately identifying 96.01% of the normal services and it was also successful to accurately identify 94.44% of the services. Therefore, we may conclude that it has a far better performance as compared with Biz model and Vicinity Neighbor K. the evaluations results showed that combinatory model is more accurate to use as compared with other existing models.
Machine summary:
در اين تحقيق براي شناسايي خدمات سودآوري که توسط مشتريان خوب مورد استقبال قرار گرفته اند، چهار روش داده کاوي درخت تصميم ، بيز ساده ، K همسايه نزديک و مدل ترکيبي استفاده شدند.
دسته بندي تجميعي ؛ بيز ساده ؛ درخت تصميم ؛ K همسايه نزديک ؛ رأي گيري ١- مقدمه استفاده از خدمات بانکداري الکترونيک توسط مشتريان به ويژه خدمات کارت ، تراکنش هاي بسيار زيادي را براي بانک ها ايجاد نموده است و بانک ها با حجم عظيمي از داده ها در پايگاه اطلاعاتي خود مواجه هستند که ميتواند فارغ از استفاده در عمليات بانکي به عنوان يک منبع ارزشمند جهت کشف دانش و الگوهاي رفتاري مشتريان تلقي شود.
در اين تحقيق ، برخلاف تحقيقات گذشـته که بيشـتر بر مباحث سـنجش ريسـک مشتريان ، اعتبارسنجي مشتريان ، خوش حساب و بدحساب بودن آن ها، شناسايي مشـــتريان ارزنده و ميزان رضـــايت آن ها متمرکز بوده اند، به ارائه مدلي جهت دسته بندي تراکنش هاي مشتريان براساس نوع درگاه و نوع خدمت مورداستفاده و ارائه مدل هاي داده کاوي براي بررســي تراکنش هاي شــبکه شــتاب در يک بانک نمونه مي پردازد که کمتر موردتوجه قرارگرفته يا ميتوان گفت تاکنون در ايران ، پژوهشــي در اين خصــوص صــورت نگرفته اســت .
در اين تحقيق به منظور افزايش دقت پاســـخ ها، ابتدا از ٣ مدل يا دســته بندي پايه يعني درخت تصــميم ، قانون بيز وk همســايه نزديک براي ايجاد مدل دســته بندي اســتفاده شــد و ســپس با اســتفاده از روش رأي گيري ١ يک مدل ترکيبي ساخته شد؛ ورودي دسته بنديهاي فوق يکسان است .