دسته بندی مشتریان

سازمان های ارائه دهنده خدمات مالی مانند سایر سازمان ها می توانند از ارزش چرخه عمر مشتری به عنوان ابزاری در جهت رسیدن به هدف های مورد نظر خود در زمینه ارتباطات با مشتریان استفاده کنند. ادبیات علمی موجود در زمینه CLV بسیار گسترده است ، اما کم تر مطالعه ای خاص صنعت بانکداری صورت گرفته است. در این تحقیق با هدف ارائه الگویی برای تعیین ارزش چرخه عمر مشتریان صنعت بانکداری، مشتریان دارای حساب جاری در یکی از بانک های کشور مورد بررسی قرار گرفتند. اهداف دیگر تحقیق تعیین وزن و اهمیت نسبی شاخص های مورد استفاده در دسته بندی مشتریان بانک، تعیین رتبه CLV هریک از دسته های مشتریان و مشخص کردن استراتژی های مناسب بانک در برخورد با هر یک از دسته های مشتریان است. در ارائه الگو از سه متغیر اصلی تازگی مبادلات (تعداد روزهای سپری شده از آخرین گردش حساب مشتریان) ، فراوانی مبادلات (تعداد گردش های مثبت حساب مشتریان) و ارزش مالی(مانده حساب مشتریان) استفاده شد. هم چنین اهمیت نسبی سه متغیر مذکور , wM) (wR , wF به عنوان مقادیر دیگر مورد استفاده قرار گرفت. در این تحلیل از نظر مدیران و کارشناسان بخش بازاریابی و امور مشتریان یکی از بانک های کشور و هم چنین داده های 382 مشتری حقوقی و 5113 مشتری حقیقی نمونه تصادفی که دارای حساب جاری در 33 شعبه بانک مورد بررسی در تهران هستند، استفاده شد. روش فرایند تحلیل سلسله مراتبی (AHP) برای تعیین وزن و اهمیت هر یک از شاخص ها و مدل WRFM جهت دسته بندی و رتبه بندی CLV مشتریان در دو گروه حقیقی و حقوقی به کار برده شد که روش های تحلیل در این بخش خوشه بندی و تحلیل ممیز می باشند. پس از دسته بندی و تعیین رتبه هریک از دسته ها استراتژی های مناسبی که بانک در برخورد با هریک از دسته ها باید به کار گیرد، بیان شده است.

هدف: طبقه بندی ریسک بیمه گذاران بر مبنای ویژگی های قابل مشاهده می تواند به شرکت های بیمه جهت کاهش زیان، شناخت دقیق تر مشتریان و جلوگیری از وقوع انتخاب نامساعد در بازار بیمه کمک شایانی کند. هدف این مقاله، بررسی خسارت های مالی ایجاد شده در بیمه شخص ثالث و پیش بینی ریسک بیمه گذاران در احتمال وقوع حادثه می باشد. روش شناسی: با استفاده از الگوریتم های درخت تصمیم، ماشین بردار پشتیبان، نایو بیز و شبکه عصبی؛ به کشف الگوهای پنهان داده ها، در راستای طبقه بندی بیمه گذاران بیمه شخص ثالث پرداخته شده است. همچنین توزیع نامتعادل داده ها در دو گروه خسارت دیده و خسارت ندیده سبب یک چالش مهم در کاربرد روش های یادگیری ماشین و داده کاوی است که در این مقاله مورد توجه قرار گرفته است. یافته ها: مجموعه داده متعلق به یکی از شرکت های بیمه و حاوی بیش از چهارصد هزار نمونه ثبت شده در پنج سال و شامل چهار متغیر مستقل نوع خودرو، گروه خودرو، نوع پلاک و سن خودرو و یک متغیر وابسته و دو ارزشی خسارت مالی است. با توجه به نتایج بدست آمده بهترین کارکرد و دقت پیش بینی (با دقت F1=) مربوط به مدل درخت تصمیم می باشد. نتیجه گیری: میزان تاثیرگذاری متغیرها در وقوع خسارت به ترتیب اولویت عبارتنداز: نوع خودرو، نوع پلاک، سن خودرو و گروه خودرو. نتایج ارزیابی نشان می دهد برای پیش بینی دقیق تر خسارت و مشتریان پر ریسک به داده های بیشتری مرتبط با ویژگی های راننده نیاز می باشد.   طبقه بندی موضوعی:G22, G17, F47

پژوهش حاضر با هدف تقسیم بندی مشتری در تجارت الکترونیک با رویکرد برنامه کاربردی برای مدل کسب و کار نقدی انجام شده است . جامعه آماری این پژوهش را  تعداد نامحدوی از مشتریان است که به صورت آنلاین از فروشگاه اینترنتی وب سایت شیراز تخفیف استفاده می کنند در بر می گیرد که با استفاده از جدول مورگان تعداد 384  نفر، به منظور گردآوری داده های مورد نیاز به صورت  غیر تصادفی در دسترس به عنوان نمونه پژوهش انتخاب شده اند. دراین پژوهش ازپرسشنامه استاندارد کسب و کار نقدی استفاده شده است، که روایی و پایایی ترکیبی آن توسط روایی اعتبار محتوا و پایایی پرسشنامه به وسیله آلفای کرونباخ تأیید شده است وتجزیه تحلیل پژوهش  با استفاده از نرم  افزار spss26  انجام شده است. نتایج حاصل از انجام این پژوهش بیانگر این امر است که مولفه های کسب و کار که شامل(بخش های مشتری، ارزش پیشنهادی، کانال های ارتباطی، ارتباط با مشتری ،جریان درآمدی ،منابع کلیدی ،مشارکت کلیدی ،فعالیت کلیدی، ساختار هزینه) بر دسته بندی مشتریان تاثیر معناداری دارد.