شناسایی رفتار مشتریان حقیقی بانک در راستای هوشمندی کسب وکار با استفاده از تکنیک های یادگیری ماشین

با توجه به استفاده از ابزارهای فناوری اطلاعات در ذخیره ی داده، فرصتی برای بانکها ایجاد شده است تااز طریق ابزارهای هوشمندی کسبوکار و با صرف زمان و هزینه کمتر به شناسایی مشتریان هدف بپردازند. بر این مبنا تصمیمات مفید و دانش محوری در ارتباط با مشتری داشته باشند. بانکها میتوانند با هدف قرار دادن مشتریانی که بر اساس نیاز و رفتارشان به طور یقین سودآور خواهند بود، فرصتها را شناسایی کرده و در توسعه استراتژیهای بازاریابی استفاده کنند. سیستمهای هوش تجاری و مدیریت ارتباط با مشتری نقش کلیدی در دستیابی به مزیت رقابتی در سازمان دارند. یادگیری ماشین یکی از شاخههای تحقیقاتی هوش مصنوعی است که در هوشمندی کسبو کار کاربرد دارد. در سامانه هوش تجاری، موتور داده کاوی نیاز است که با استفاده از تکنیکهای دسته بندی، ارزیابی، پیشبینی، گروهبندی بر اساس وابستگیها، خوشه بندی و توصیف وضعیت فعلی، پاسخگوی نیازهای بانک باشد. بنابراین با استفاده از این تکنیکها، بهترین خدمت به بهترین شکل در اختیار مناسبترین فرد قرار میگیرد. این موارد با تحلیل و دستهبندی مشتریان سازمان قابل دستیابی است. در این تحقیق از شبکه عصبی SOM برای خوشه بندی مشتریان حقیقی بانک ملت به 4 دسته بر اساس متغیرهای طول ارتباط با سازمان، میانگین موجودی و تعداد تراکنش استفاده شده است. پس از خوشه بندی مشتریان، به بررسی ویژگیهای هر خوشه پرداخته شده تا پیشنهادهای متناسب به مشتریان ارایه شود.

کلیدواژه ها:

بانک ملت ، شبکه عصبی SOM ، مدیریت ارتباط با مشتری ، هوشمندی کسب وکار ، یادگیری ماشین