21301

21301

تحليل و بررسي عوامل موثر بر رويگرداني مشتريان صنعت بانكداري با استفاده از تكنيك‌هاي داده كاوي

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيك

1395

1398/2/30

دكتر عليرضا علي احمدي

دكتر اصغر ابوالحسني

صنايع

امروزه مديريت ارتباط با مشتري به عنوان ركن اساسي كسب و كار مطرح مي‌باشد. شناسايي مشتريان رويگردان و تحليل و بررسي عوامل موثر بر رويگرداني مشتريان لازمه بقاي سازمان‌ها در بازار رقابتي دنياي امروز است زيرا رويگرداني مشتريان از سازمان سبب كاهش سودآوري سازمان مي‌شود و فرايند جذب مشتريان بسيار پر هزينه و سخت‌تر از حفظ مشتريان فعلي مي‌باشد. هدف از اين پژوهش بررسي عوامل موثر بر رويگرداني مشتريان صنعت بانكداري مي‌باشد. به اين منظور داده‌هاي تراكنش‌هاي پايانه‌هاي فروش يك شركت ارائه‌دهنده خدمات پرداخت(PSP) در ايران مورد تحليل قرار گرفته‌است. در مدل ارائه شده اول با استفاده از روش WRFM و تركيب آن با الگوريتم خوشه بندي K-Means پايانه‌هاي فروش در هر ماه از نظر رويگرداني و وفاداري بخش‌بندي شده‌اند سپس با استفاده از روش‌ انتخاب ويژگي افزودن L حذف R و الگوريتم رگرسيون خطي چند متغيره ويژگي‌هاي موثر بر درصد مشتريان رويگردان از بين شاخص‌هاي اقتصادي ماهانه، در هر ماه انتخاب شده‌اند. براساس نتايج حاصل از اجراي مدل سه متغير شاخص ارزش سهام بورس، تورم و قيمت تمام سكه موثرترين متغيرها از بين شاخص‌هاي اقتصادي مورد بررسي هستند. در مدل ارائه شده دوم با استفاده از تكنيك‌هاي داده كاوي همچون روش WRFM و درخت تصميم تاثير عوامل جمعيت شناختي استان‌ها بررسي شدند و قواعد موجود در داده‌‌هاي مورد تحليل ارائه شدند. دو متغير جمعيت و شاخصIDIمهمترين متغيرها در تقسيمات الگوريتم درخت تصميم بودند. همچنين براساس نتايج الگوريتم درخت تصميم بدون در نظر گرفتن متغير جمعيت، متغيرهاي مشاركت اقتصادي، نرخ باسوادي، نرخ بيكاري مهم‌ترين متغيرها در تقسيمات الگوريتم درخت تصميم مي‌باشد.

1398/08/26

The Analysis and the investigation of effective factors on customer churning in Banking Industry using data mining techniques

11/17/2019 12:00:00 AM

Nowadays, management of the relationships with customers is a fundamental aspect of business. Identifica-tion of unpleasant customers and analysis of the factors affecting them necessitate survival of organizations on today’s competitive market, because when customers turn away from the organization, profitability re-duces and customer attraction process becomes costly and harder than maintaining the existing customers. The objective of the present study was to investigate factors affecting customer churn in banking industry. For this purpose, Point of Sale (POS) transaction data of a Payment Service Provider (PSP) in Iran were an-alyzed. In the presented model in this study, using datamining techniques such as WRFM and decision tree, the effects of socioeconomic variables were investigated and the existing rules in data of interest were pre-sented. Two variables of population and IDI index were the most important variables in decision tree algo-rithm divisions. Also, according to the results of decision tree algorithm, without considering population, variables of economic contribution, literacy rate, and unemployment rate are the most important variables in decision tree algorithm divisions.