|
|
|
|
پیش‌بینی ارزش طول عمر مشتریان بانکی با استفاده از تکنیک دستهبندی گروهی دادهها (gmdh) در شبکۀ عصبی
|
|
|
|
|
|
|
|
نویسنده
|
خانلری امیر ,احراری مهدی ,میرپور سمیه
|
|
منبع
|
مديريت بازرگاني - 1395 - دوره : 8 - شماره : 4 - صفحه:833 -860
|
|
چکیده
|
امروزه نقش مدیریت ارتباط با مشتری بهعنوان ابزار راهبردی در توسعۀ سازمان های تولیدی و خدماتی و همچنین جذب و نگهداری مشتریان در صنایع رقابتی، انکارناپذیر است. شناسایی، ارزش گذاری و دسته بندی مشتریان و تخصیص بهینۀ منابع به آنها با توجه به ارزشی که برای سازمان ها دارند، از دغدغه های اصلیِ حوزۀ مدیریت ارتباط با مشتری است. در این مقاله با استفاده از شبکۀ عصبی gmdh به محاسبه و پیش بینی ارزش طول عمر مشتریان، بهعنوان ابزاری کلیدی در تحقق نقش مدیریت ارتباط با مشتری در صنعت بانکداری پرداخته شده است. برای این منظور، اطلاعات جمعیت شناختی و مالی 5000 مشتری حقیقی ارزندۀ یکی از بانکهای خصوصی کشور با شرط میانگین موجودی بیش از 500 میلیون ریال در حداقل یکی از حساب ها، وارد شبکه شد. نتایج نشان داد بهکمک این روش میتوان با دقت بالای 90 درصد ارزش طول عمر مشتریان را پیش بینی کرد که به نسبت روش های آماری متعارف، دقت بیشتری دارد. پس از حذف متغیرهای موثر و مضاعف، شبکه بار دیگر آزمایش شد که در این حالت نیز پیش بینی با دقت بیش از 85 درصد بود
|
|
کلیدواژه
|
ارزش طول عمر مشتری، پیش‌بینی، شبکۀ عصبی gmdh، مدیریت ارتباط با مشتری
|
|
آدرس
|
دانشگاه تهران, دانشکده مدیریت, گروه مدیریت mba, ایران, دانشگاه علامه طباطبایی, ایران, دانشگاه مهر البرز, ایران
|
|
پست الکترونیکی
|
smerepower@gmail.com
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Predicting Customer Lifetime Value Based on Financial and Demographic Characteristics Using GMDH Neural NetworkCase Study: Individual Customers of a Private Bank of Iran
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|