فهرست نشریات علمی دسترسی آزاد ایران

مقدمه: شناسایی و پیش‌بینی رفتار مشتریان در فضای رقابتی صنعت بانکداری بسیار حیاتی است. این پژوهش با هدف ارائه مدلی مبتنی بر داده‌کاوی برای شناسایی تیپ‌های رفتاری مشتریان (DNA مشتری) و پیش‌بینی آن‌ها در بانک‌های ایران انجام شده است. روش پژوهش: داده‌های مربوط به ۵۰۰ مشتری در بانک‌های خصوصی گردآوری شد. تحلیل داده‌ها در سه مرحله شامل آماده‌سازی، خوشه‌بندی و طبقه‌بندی صورت گرفت. ابتدا با الگوریتم K-Means، مشتریان در چهار خوشه «سرمایه‌گذار»، «پرریسک»، «وفادار» و «معمولی» دسته‌بندی شدند. سپس پنج مدل یادگیری با نظارت شامل درخت تصمیم، جنگل تصادفی، رگرسیون لجستیک، شبکه عصبی چندلایه و XGBoost برای پیش‌بینی نوع مشتری آموزش داده شدند. یافته‌ها: مدل‌های جنگل تصادفی و XGBoost با دقت و معیار F1 برابر با ۱٫۰۰ بهترین عملکرد را داشتند. همچنین، «رتبه اعتبار» به‌عنوان مهم‌ترین متغیر پیش‌بینی‌کننده شناخته شد. نتیجه‌گیری: کاربرد تکنیک‌های داده‌کاوی می‌تواند به تفکیک دقیق تیپ‌های رفتاری مشتریان و ارائه خدمات شخصی‌سازی‌شده در بانکداری کمک کند. این مدل می‌تواند در بهینه‌سازی تصمیمات بازاریابی و افزایش وفاداری مشتری مؤثر باشد.