طراحی مدل تخصیص خدمات بانکی

امروزه نحوه‌ی تعامل سازمان‌ها و بخصوص بانک‌ها با مشتریان در قالب مدیریت ارتباط با مشتری (crm) به‌طور قابل توجهی تغییر یافته است. بر این اساس هدف تحقیق حاضر تبیین مدل ارتباط با مشتریان با رویکرد سیستم‌های بیزین-توصیه‌گر فازی است. این تحقیق از نوع تحقیقات کاربردی و اکتشافی است. در این مطالعه اطلاعات 98604 مشتری بررسی شده است. در این تحقیق از 3 رویکرد داده‌کاوی، فازی، میانگین‌گیری بیزین غیر خطی بهره گرفته شده است. در این تحقیق اطلاعات 22 شاخص مرتبط با مشتریان وارد مدل‌های بیزین غیر خطی (bma، tvp-dma و tvp-dms)، گردید. بر اساس میزان خطا، مدل bma از بالاترین دقت برخوردار بود. بر اساس نتایج بدست آمده، متغیرهای موجودی حساب؛ مجموع مانده سپرده‌ها؛ مجموع مانده کل تسهیلات جاری و حجم تراکنش‌های مالی به عنوان متغیرهای غیر شکننده شناسایی شدند. در ادامه بر اساس نتایج، رویکرد c-means نسبت به k-means از دقت بالاتری برخوردار است. بر اساس رویکرد c-means، 16 خوشه شناسایی گردیدند و ویژگی‌های هر 16 خوشه مورد تجزیه و تحلیل قرار گرفت. بر اساس نتایج اکثر متغیرها تاثیر مثبت و معناداری بر وضعیت هر خوشه دارند.

designing a model for banking service allocation

nowadays, the organizations', especially banks' interaction with customers has changed significantly as customer relationship management (crm). the current research explains a model for customer relationship with a fuzzy-bayesian recommender approach. it is an applied and exploratory research, which has reviewed the information of 98,604 customers. it has used 3 approaches of data mining, fuzzy, non-linear bayesian averaging. the information of 22 indicators of customers was inputted into non-linear bayesian models (bma, tvp-dma and tvp-dms). the bma model, regarding its error rate, had the highest accuracy. as the results show, account balance, total balance of deposits, total balance of current facilities and volume of financial transactions were the research's non-fragile variables. c-means approach is more accurate than k-means. the c-means approach could identify 16 clusters and analyze the characteristics of each of 16 clusters. thus, most of the variables have a positive and significant effect on the status of each cluster.