Islamic Economics & Banking

fa رویکرد بخش‌بندی و رتبه‌بندی پویای مشتریان و شناسایی تحرک رفتاری آنان با بهره‌گیری از تکنیک‌های داده‌کاوی در بانک رفاه کارگران Dynamic segmentation and ranking approach of customers and identifying their behavioral mobility using data mining techniques in Kargaran Welfare Bank تخصصي Special پژوهشي Research <div style="text-align: justify;">امروزه شناسایی، تعیین ارزش وبخش بندی مشتریان برای بانک‌ها یک امر حیاتی است اما روش‌های ایستای بخش بندی مشتریان که برمبنای ثبات مشتریان درهریک از بخش‌های تعیین شده می‌باشد از کارایی لازم برخوردار نبوده و شناخت الگوهای جابجایی وپویایی مشتریان در این بخش‌ها ازاهمیت ویژه ای برخوردارمی باشد. این پژوهش اقدام به بخش بندی ورتبه بندی پویای مشتریان بانک رفاه کارگران و شناسایی تحرک رفتاری آنان بین بخش های مختلف دربازه زمانی مشخص با بهره گیری از تکنیک‌های داده‌کاوه نموده است. از آنجا که داده‌کاوی درصدد توصیف حجم انبوه داده ها برای کشف الگوها و قواعد معنادار است لذا در این تحقیق از روش‌های معمول نمونه گیری جهت تعیین حجم نمونه استفاده نشده و تعداد 1123735مشتری حقیقی ارزشمند بانک که دارای حساب قرض الحسنه  بودند عینا بعنوان جامعه آماری و تمامی تراکنش‌های مالی ایشان در بازه زمانی 6ماهه از اول مهر 1398 تا 29اسفند 1398 بعنوان نمونه انتخاب گردید سپس عملیات پیش پردازش و مدلسازی داده ها در شش بازه زمانی و به صورت ماهانه باهدف بخش بندی ورتبه بندی پویای مشتریان به وسیله الگوریتم های کای میانگین K MEAN و شبکه های عصبی خودسازمانده SOM انجام گردید. براساس نتایج حاصل از این پژوهش مشتریان به سه بخش اصلی تقسیم وپویایی ایشان مورد بررسی قرارگرفته و راهکارهایی جهت بهبود و اثربخشی بیشتر فعالیت‌های بازاریابی ارایه شده است.  </div> Nowadays, identifying, determining the value and segmentation of customers is essential for a bank. Dynamic classification of workers' welfare bank customers and identification of their behavioral mobility between different departments in a specific period of time using data techniques Kaveh. In this regard, transaction data of customers of this bank was considered as a statistical community. In six time periods and on a monthly basis with the aim of segmentation and dynamic ranking of customers by K MEAN algorithms and self-organized neural networks SOM was performed. Based on the results of this study, customers were divided into three main sections and their dynamics were studied. Marketing is provided.   بخش بندی پویای مشتری,ارزش طول عمرمشتری, داده کاوی,K-means, SOM, بانک Dynamic Customer Segmentation, Customer Lifetime Value, Data Mining, K-means, SOM, Bank 193 218 http://mieaoi.ir/browse.php?a_code=A-10-1153-1&slc_lang=fa&sid=1 mohamd paridari محمد پریدری mo.paridari@yahoo.com 10031947532846007154 10031947532846007154 No PhD Student in Business Administration, Department of Management, Faculty of Humanities, Saveh Branch, Islamic Azad University of Saveh, Iran دانشجوی دکتری مدیریت بازرگانی، گروه مدیریت دانشکده علوم انسانی واحدساوه، دانشگاه آزاداسلامی ساوه، ایران hassan saberi حسن صابری saberi20hassan@yahoo.com 10031947532846007155 10031947532846007155 Yes Assistant Professor of Business Management, Faculty of Humanities, Saveh Branch, Saveh Islamic Azad University, Iran (Corresponding Author) استادیار مدیریت بازرگانی دانشکده علوم انسانی واحدساوه،دانشگاه آزاداسلامی ساوه ،ایران(نویسنده مسئول) zeinol abedin amini زین العابدین امینی drsajadamini@yahoo.com 10031947532846007156 10031947532846007156 No Assistant Professor of Public Management, Faculty of Humanities, Saveh Branch, Saveh Islamic Azad University, Iran استادیار مدیریت دولتی دانشکده علوم انسانی واحدساوه،دانشگاه آزاداسلامی ساوه ،ایران ehsan amini احسان ساده ehsansadeh@gmail.com 10031947532846007157 10031947532846007157 No Assistant Professor of Industrial Management, Department of Management, Faculty of Humanities, Saveh Branch, Saveh Islamic Azad University, Iran استادیار مدیریت صنعتی ،گروه مدیریت دانشکده علوم انسانی واحدساوه،دانشگاه آزاداسلامی ساوه ،ایران