دانشگاه تربیت مدرس با همکاری انجمن علوم مدیریت ایران پژوهش‌های مدیریت منابع سازمانی 2228-6977 8 2 2018 08 23 Multi-objective model of bank product Assignment to clustered customers الگوی چند‌ هدفه تخصیص خدمات بانک به مشتریان خوشه‌بندی شده 93 111 18229 FA سید خلیل سجادی دانشجو دکتری، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. محمد علی خاتمی فیروز آبادی دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. ُمحمد تقی تقوی فرد دانشیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. جهانیار بامداد صوفی استادیار، گروه مدیریت صنعتی، دانشکده مدیریت و حسابداری، دانشگاه علامه طباطبائی، تهران، ایران. Journal Article 1970 01 01 Knowing customer behavior patterns, clustering and assigning them is one of the most important purpose for banks. In this research, the five criteria of each customer, including Recency, Frequency, Monetary, Loan and Deferred, were extracted from the bank database during one year, and then clustered using the customer's K-Means algorithm. Then, the multi-objective model of bank service allocation was designed for each of the clusters. The purpose of the designed model was to increase customer satisfaction, reduce costs, and reduce the risk of allocating services. Given the fact that the problem does not have an optimal solution, and each client feature has a probability distribution function, simulation was used to solve it. In order to determine the neighbor optimal solution of the Simulated Anneling algorithm, neighboring solutions were used and a simulation model was implemented. The results showed a significant improvement over the current situation. In this research, we used Weka and R-Studio software for data mining and Arena for simulation for optimization. The results of this research were used to develop Business Intelligence software for customers in one of the private banks of Iran. <span>پژوهش‌های اخیر نشان داده است که بانک‌ها با شناسایی و تقسیم‌بندی مشتریان به گروه‌هایی با نیازها و الگوهای رفتارهای مشابه می‌توانند سودآوری خود را از ارائه خدمات و محصولات به‌شدت افزایش دهند و با شناسایی مشتریان مشابه، رفتار آنها را تحلیل و جهت کسب بیشترین مطلوبیت برای آنها، خدمات و محصولات خود را عرضه کنند. در این پژوهش بر‌اساس پنج ویژگی هریک از مشتریان شامل آخرین زمان مراجعه، تعداد تراکنش، مبلغ سپرده‌‌گذاری، مبلغ وام‌ و مانده معوقات وام‌ها در طول یکسال فعالیت از پایگاه داده بانک استخراج شد و سپس به کمک الگوریتم کا میانگین مشتریان</span><span>خوشه‌بندی شدند. سپس الگوی چندهدفه تخصیص خدمات بانک به هرکدام از خوشه‌‌‌ها طراحی شد. اهداف الگوی طراحی شده افزایش میزان رضایت مشتریان، کاهش هزینه‌ها و کاهش مخاطره تخصیص خدمات بود. با توجه به آنکه مسئله دارای یک راه‌حل بهینه نبوده و هر یک از ویژگی‌های مشتری دارای یک تابع توزیع احتمالی‌اند، برای حل از شبیه‌سازی استفاده شد. نتایج به دست آمده بهبود قابل توجهی از سطح ارائه خدمات و محصولات به مشتریان بانک را نسبت به وضعیت فعلی نشان داد. در این پژوهش از نرم‌افزارهای وکا و آر برای داده‌کاوی و ارنا برای شبیه‌سازی و بهینه‌سازی استفاده شد. از نتایج این پژوهش در توسعه و ساخت نرم‌افزار تحلیلی مشتریان در یکی از بانک‌های خصوصی کشور استفاده شد.</span> https://ormr.modares.ac.ir/article_18229_e55cd172d1b96493a80f62c60439fce2.pdf