طراحی مدل هوشمند بخش بندی مشتریان حقوقی در مؤسسات مالی و بانکی با بهره گیری از معماری های چندلایه شبکه های عصبی توزیعی مبتنی بر پردازش هوشمند داده های کلان
آرشیو
چکیده
این تحقیق به ارائه رویکردی مبتنی بر ارزش طول عمر مشتری (CLV) و شبکه های عصبی مصنوعی (ANN) برای دسته بندی مشتریان حقوقی بانک می پردازد. CLV در بانک به این معناست که هر مشتری برای بانک چقدر ارزش مالی ایجاد می کند. تحقیق از نوع کاربردی و شبه تجربی و جامعه آماری شامل 127.672 شناسه حقوقی در سامانه مشتریان حقوقی بانک تجارت است. داده ها از طریق فیش برداری از پرونده های مشتریان در یک دوره شش ماهه جمع آوری می شوند. نمونه گیری به صورت تمام شماری است. از الگوریتم های کا-میانگین و شبکه های عصبی مصنوعی برای خوشه بندی مشتریان استفاده می شود. شبیه سازی ها نشان داد که الگوریتم شبکه های عصبی مصنوعی نتایج دقیق تری را نسبت به الگوریتم کا-میانگین ارائه می دهند. این رویکرد می تواند به طور مؤثری مشتریان را به سه خوشه دسته بندی کند. خوشه ها بر اساس نظرات خبرگان بانکی بررسی شدند؛ تا تحلیل عمیق تری انجام شود. با توجه به اطلاعات مشتریان حقوقی بانک تجارت، این دسته ها از نظر CLV مورد بررسی قرار گرفتند. استراتژی های بازاریابی و فروش متناسب با هر خوشه مشتری تدوین شد. رویکرد پیشنهادی در این تحقیق می تواند به بانک ها در بهبود فرآیند دسته بندی مشتریان خود و در نهایت افزایش سودآوری و حفظ مشتریان کمک کند.Designing an Intelligent Model for Segmenting Corporate Customers in Financial and Banking Institutions Using Multi-Layer Distributed Neural Network Architectures Based on Big Data Intelligent Processing
This research presents an approach based on customer lifetime value (CLV) and artificial neural networks (ANN) to classify bank corporate customers. CLV in banking means how much financial value each customer creates for the bank. The research is of an applied and quasi-experimental type and the statistical population includes 127,672 corporate IDs in the Tejarat Bank Corporate Customer System. Data are collected by scanning customer files over a six-month period. Sampling is by enumeration. K-means algorithms and artificial neural networks are used to cluster customers. Simulations showed that the artificial neural network algorithm provides more accurate results than the K-means algorithm. This approach can effectively classify customers into three clusters. The clusters were reviewed based on the opinions of banking experts; in order to conduct a deeper analysis. Based on the data of Tejarat Bank's corporate customers, these categories were analyzed in terms of CLV. Marketing and sales strategies were developed for each customer cluster. The approach proposed in this research can help banks improve their customer segmentation process and ultimately increase profitability and customer retention.
تبلیغات
