نویسندگان
1 دانشیار گروه مدیریت فناوری اطلاعات، دانشکده مدیریت، دانشگاه تهران، تهران
2 دانشجوی دکتری بازاریابی، دانشکده مدیریت، دانشگاه تهران ‏
3 دانش آموخته کارشناسی ارشد بانکداری، مؤسسه آموزش عالی بانکداری ایران‏
چکیده
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.
کلیدواژه‌ها
عنوان مقاله [English]
A Model to Determine Customer Lifetime Value (CLV) in Banking Industry
نویسندگان [English]
- - - 1
- - - 2
- - - 3
چکیده [English]
Financial Service Providers (FSPs) like other organizations can use Customer Lifetime Value (CLV) as an instrument to achieve their targets in Customer Relationship Management (CRM). Although various studies have been done about this concept, CLV case studies are scarce in banking industry. In this research, in order to present a model to determine CLV in banking industry, customers with current account in a bank in Iran were studied. Determining the relative importance of R, F and M variables that are used to cluster customers, ranking the clusters of customers according to their CLV and understanding the best strategies for bank to treat with each cluster are among the other goals of this study. Three main variables were used to apply the model; a) Recency: the length of time since the last transaction (in days), b) Frequency: number of positive transactions and c) Monetary: balance of account (in Rials). Also wR , wF and wM were used as the relative importance of R,F and M variables. We used the ideas of experts and marketing managers and the data of transactions from the random samples of 382 corporate customers and 5113 individual customers, who had current account in 33 branches of a bank in Tehran. The analytical Hierarchy Process (AHP) was applied to determine wR , wF and wM in evaluating CLV. Then WRFM model was used to cluster the customers and rank them based on their CLV for two groups of corporate and individual clients Clustering and Discriminant Analysis techniques were implemented for this section. Finally, the best strategies for bank to treat with each cluster of the customers was determined.
Keywords:
کلیدواژه‌ها [English]
- &rlm
- AHP&rlm
- ؛Banking؛Customer relationship management؛&lrm
- Clustering of customers؛AHP approach؛Customer Lifetime Value؛WRFM model&lrm
)