بررسی و خوشه‌بندی مشتریان، بر اساس مدل Rfm و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی

این تحقیق بررسی و خوشه بندی مشتریان ،بر اساس مدل rfm و طراحی الگویی برای ارائه خدمات به مشتریان کلیدی می پردازد. جامعه آماری.گروه اول، جهت تعیین وزن شاخص های r, f, m ، 18 نفر از خبرگان بانک ملت استان مازندران هستند وگروه دوم جهت خوشه بندی مشتریان بر اساس مدل rfm و با استفاده از داده های اسنادی بانک مشتریان ،اصناف و فروشگاههایی که دارای pos)) بانکی می باشند. روش تجزیه و تحلیل داده ها تکنیک تحلیل سلسله مراتبی فازی، تکنیک آنتروپی، روش کا میانگین و روش dbscan  می باشد. طبق نتایج، وزن هر کدام از شاخص های آر.اف ام. با استفاده از فرایند تحلیل سلسله مراتبی و آنتروپی بدست آمد و در نهایت وزن شاخص ها بصورت ترکیبی برآورد گردید. وزن شاخص ها به ترتیب  mبرابر 5998/0، f برابر 2672/0 و r برابر 1330/0. هم چنین در ادامه تجزیه و تحلیل داده ها، خوشه بندی مشتریان با دو روش kmeans و dbscan انجام شد. نتایج نشان داد روش kmeans روش بهتری برای خوشه‌بندی مشتریان و ارائه خدمات می باشد. بعد از خوشه بندی و تشکیل هرم مشتریان با روش kmeans، مشتریان بانک بر اساس اطلاعیه های ابلاغی در گروه های (مهان، شایان، پویان، تابان، رویان و بحران) دسته بندی شدند که شعب بانک ملت با استفاده از این اطلاعات می توانند، خدمات و تسهیلات مخصوص برای هر خوشه یا گروه از مشتریان در نظر بگیرند.