ارائه روشی برای بخش‌بندی مشتریان با استفاده از مدل rfm در شرایط عدم قطعیت

هدف از انجام این پژوهش ارائه روشی برای بخش بندی مشتریان بانک بر مبنای مدل rfm در شرایط عدم قطعیت می باشد. در چارچوب پیشنهادی این پژوهش پس از تعیین مقادیر شاخص های مدل rfm شامل تازگی مبادله (r)، تعداد دفعات مبادله (f) و ارزش پولی مبادله (m) برای از بین بردن عدم قطعیت حاکم بر آن ها، از تئوری اعداد خاکستری استفاده شده و با استفاده از یک روش متفاوت به بخش بندی مشتریان پرداخته شده است. به این ترتیب مشتریان بانک به سه بخش یا خوشه اصلی تحت عنوان مشتریان خوب، معمولی و بد تفکیک شده اند. پس از اعتبارسنجی خوشه ها با استفاده از شاخص های دان و دیویس بولدین، ویژگی های مشتریان در هر یک از بخش ها شناسایی شده است. در پایان نیز پیشنهادهایی جهت بهبود سیستم مدیریت ارتباط با مشتری ارائه می گردد.

A method for clustering customers using RFM model and grey numbers in terms of uncertainty

The purpose of this study is presentation a method for clustering bank customers based on RFM model in terms of uncertainty. According to the proposed framework in this study after determination the parameter values of the RFM model, including recently exchange (R), frequency exchange (F), and monetary value of the exchange (M), grey theory is used to eliminate the uncertainty and customers are segmented using a different approach. Thus, bank customers are clustered to three main segments called good, ordinary and bad customers. After cluster validation using Dunn index and Davis Bouldin index, properties of customers are detected in any of the segments. Finally, recommendations are offered to improve customer relationship management system.