CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی احتمال رویگردانی مشتریان در صنعت بانکداری ایران مورد مطالعه: یک بانک خصوصی ایرانی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۲۶ | تعداد نمایش خلاصه: ۴۷ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: JR_MR-11-41_003
زبان مقاله: فارسی
حجم فایل: ۹۵۸.۸۶ کیلوبایت (فایل این مقاله در ۲۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۲۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی احتمال رویگردانی مشتریان در صنعت بانکداری ایران مورد مطالعه: یک بانک خصوصی ایرانی

    محسن عسگری - دانشجوی دکتری مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران
    محمدرضا تقوا - دانشیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی
  محمدتقی تقوی فرد - دانشیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران،

چکیده مقاله:

پس از ظهور بانک های خصوصی در ایران به دلیل جذابیت صنعت شاهد رشد سریع تعداد این نوع بانک ها و فشار رقابتی بالای این صنعت در کشور هستیم. ریزش مشتریان از یک بانک به معنی کاهش منابع بانک بوده و با توجه به هزینه های بالاتر جذب مشتریان نسبت به نگهداری آن ها، بانک ها به شدت تلاش می کنند که مشتریان خود را حفظ کنند. لذا محاسبه احتمال رویگردانی مشتریان با بررسی رفتار مالی آن ها و در صورت امکان جلوگیری از ریزش آن ها بسیار کلیدی است.  در این مقاله با استفاده از تکنیک داده کاوی خوشه بندی سلسه مراتبی برای تشخیص مشتریان از منظر رویگردانی و همچنین زنجیره احتمالات مارکوف برای تعیین احتمال رویگردانی در آینده، مدلی ساخته شده است که از طریق یادگیری داده های رفتار مالی مشتریان بتواند احتمال ریزش مشتری را پیش بینی کند. این مدل روی یک سال داده های واقعی تراکنش های سپرده های کوتاه مدت روزشمار و قرض الحسنه جاری در یک بانک خصوصی ایرانی پیاده شد. نتایج نشان داد در صورتی که بانک مشتری را از دست بدهد احتمال بازگرداندن مشتری بسیار پایین است. همچنین مشتریان فعال که معمولا با هزینه های بالا جذب بانک می شوند، بسیار ناپایدار هستند و به سرعت تغییر وضعیت می دهند. البته در صورتی که مشتری فعال از دست نرود فرصت محدودی از نظر زمانی برای بانک ها جهت فعال سازی دوباره مشتریان وجود دارد.

کلیدواژه‌ها:

پیشبینی رویگردانی, مشتریان بانک, زنجیره مارکوف, خوشهبندی سلسلهمراتبی, دادهکاوی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-JR_MR-JR_MR-11-41_003.html
کد COI مقاله: JR_MR-11-41_003

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
عسگری, محسن؛ محمدرضا تقوا و محمدتقی تقوی فرد، ۱۳۹۷، پیش بینی احتمال رویگردانی مشتریان در صنعت بانکداری ایران مورد مطالعه: یک بانک خصوصی ایرانی، پژوهشهای مدیریت عمومی 11 (41)، https://www.civilica.com/Paper-JR_MR-JR_MR-11-41_003.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (عسگری, محسن؛ محمدرضا تقوا و محمدتقی تقوی فرد، ۱۳۹۷)
برای بار دوم به بعد: (عسگری؛ تقوا و تقوی فرد، ۱۳۹۷)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Ali, Ö. G., & Arıturk, U. (2014). Dynamic churn prediction ...
  • Anil Kumar, D., & Ravi, V. (2008). Predicting credit card ...
  • Babu, S., & Ananthanarayanan, N. R. (2018). Enhanced Prediction Model ...
  • Buckinx, W., & Van den Poel, D. (2005). Customer base ...
  • Caigny, A., Coussement, K., & De Bock, K. W. (2018). ...
  • Chiang, D. A., Wang, Y. F., Lee, S. L., & ...
  • Chitra, K., & Subashini, B. (2011). Customer retention in banking ...
  • Coussement, K., & De Bock, K. W. (2013). Customer churn ...
  • Coussement, K., Lessmann, S., & Verstraeten, G. (2017). A comparative ...
  • Dahiya, K., & Bhatia, S. (2015, September). Customer churn analysis ...
  • Farquad, M. A. H., Ravi, V., & Raju, S. B. ...
  • Farquad, M. A. H., Ravi, V., & Raju, S. B. ...
  • Gunther, C. C., Tvete, I. F., Aas, K., Sandnes, G. ...
  • Huang, Y., & Kechadi, T. (2013). An effective hybrid learning ...
  • Kaur, M., Singh, K., & Sharma, N. (2013). Data Mining ...
  • Kazemi, M., & Hejazinia, R. (2017). Study affective variables in ...
  • Khashei, M., & Bijari, M. (2012). A new class of ...
  • Kim, K., Jun, C. H., & Lee, J. (2014). Improved ...
  • Kim, Y. S., Lee, H., & Johnson, J. D. (2013). ...
  • Lu, N., Lin, H., Lu, J., & Zhang, G. (2014). ...
  • Mirmohammadi, SM., & Ghanei, H., & Keramati, A. (2015). Customer ...
  • Oyeniyi, A. O., Adeyemo, A. B., Oyeniyi, A. O., & ...
  • Popovic, D., & Basic, B. D. (2009). Churn prediction model ...
  • Prasad, U. D., & Madhavi, S. (2012). Prediction of churn ...
  • Rezaei Navaei, S., & Koosha, H. (2016). Applying Data Mining ...
  • Riebe, E., Wright, M., Stern, P., & Sharp, B. (2014). ...
  • Tsai, C. F., & Lu, Y. H. (2009). Customer churn ...
  • Verbeke, W., Dejaeger, K., Martens, D., Hur, J., & Baesens, ...
  • Vafeiadis, T., Diamantaras, K. I., Sarigiannidis, G., & Chatzisavvas, K. ...
  • Xie, Y., Li, X., Ngai, E. W. T., & Ying, ...
  • Yang, C., Shi, X., Luo, J., & Han, J. (2018). ...
  • Zhu, B., Xiao, J., & He, C. (2014). A Balanced ...
  • Zhu, B., Baesens, B., Backiel, A. E., & vanden Broucke, ...
  • Zoric, B. A. (2016). Predicting customer churn in banking industry ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۱۷۳۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • صنعت بانکداری > بانکداری
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.