مدیریت دانش مشتریان با الگئریتم یادگیری بدون ناظر خوشه بندی ( مطالعه موردی بانک کشاورزی کرمانشاه)

در دنیای رقابتی امروز، مشتری مهم ترین عامل برای بقای سازمان است و بهترین پژوهش تلاش شده است تا از طریق ارائه مدلی نقش دانش مشتریان اثرات مدیریت دانش مشتریان جهت اتخاذ تصمیمات مدیران بانک نشان داده شود. طبقه بندی مشتریان با استفاده از الگوریتم های داده کاوی، آن ها را قادر به نگهداری مشتریان قدیمی و جذب مشتریان جدید خواهد کرد. هدف اصلی این تحقیق بررسی عملکرد الگوریتم های داده کاوی Harmonic-Means ، K-Means و WK-Means به منظور مدیریت دانش مشتریان با الگوریتم یادگیری بدون ناظر خوشه بندی می باشد. جامه یا ماری این تحقیق شامل 923 نفر از مشتریان حقیقی و حقوقی یک از شعب بانک کشاورزی در شهر کرمانشاه در بازل یک سال (از فروردین 93 تا فروردین 94) می باشد. طرح نمونه گیری احتمالی بود و زار نمونه گیری تصادفی ساده استفاده گردیده است. مشتریان نمونه براساس تحلیل RFM ، اطلاعات پرو فایل مشتریان و اطلاعات پراکنش آن ها خوشه بندی می شوند. جهت انجام فرایند تحقیق، از متدلوژی استاندارد داده کاوی CRISP-DM برای کاوش در پایگاه های داده مشتریان بانک استفاده شده است. از معیارهای ارزیابی و اعتبار سنجی خوشه ها همچون شاخص مربع خطا و روشMin-Max برای نرمال سازی داده های ساده شده است. یافته های تحقیق نشان می دهد روش خوشه بندی k-Means و Harmonic-Means که دارای کمترین SSE حذف عنوان مناسب ترین گوشه هایی و در نهایت دانش پنهان مردهای بهبود ارتباط مشتری، استخراج می گردد .

کلیدواژه ها:

خوشه بندی ، مدیریت دانش ، دانش مشتری ، تحلیل RFM