Özdüzenleyici haritalar yöntemi ile banka müşterilerinin bölümlendirilmesi

Abstract

Müşterilerin talepleri tekdüze değildir. Çok çeşitli olan bu taleplerin hepsinin ayrı ayrı karşılanması da mümkün değildir. Bu nedenle firmaların, müşterilerini iyi anlaması ve buna göre pazarlama stratejileri geliştirmesi çok önemli olmaktadır. Günümüzde bilgisayar teknolojisinin gelişmesi ile müşteriler hakkında detaylı bilgilerin toplanması daha kolay hale gelmiştir. Bu verilerin müşteri yapısı hakkında yol gösterici bilgiler haline gelebilmesi için çeşitli veri madenciliği yöntemleri ile işlenmesi ihtiyacı ortaya çıkmaktadır.Özdüzenleyici haritaların en önemli özelliği çok boyutlu verilerin iki boyuta indirgenerek görselleştirebilmesidir. Bu görselleştirme, banka yöneticilerinin müşteri profilini rahatlıkla görebilmelerini sağlamaktadır. Bu çalışmada ismi saklı tutulacak bir bankadan elde edilen ve 600 adet müşterinin demografik ve kredi kullanımına ilişkin bilgilerini içeren veri seti, özdüzenleyici haritalar yöntemi ile kümelere ayrılmış ve kümeler görselleştirilmiştir. Analiz sonucunda veri setinin 5 adet bölüme ayrıldığı görülmüştür. Ortaya çıkan haritalar, bankanın bireysel kredi kullanan müşterilerinin karakteristiklerini yansıtmaktadır.

The demands of the customers are not uniform. Meeting all of these demands is not possible due to the variety of demand. It is important for firms to understand the customers and develop marketing strategies according to this insight. Today it is possible to get detailed data about the customers, owing to the developments in computer technologies. These data can be processed with data mining techniques in order to transform them to guiding information. One such data mining technique is self-organizing maps (SOM).The most important feature of self-organizing maps is to reduce the dimension of data by visualization. This visualization enables bank managers to easily understand customer profile. A data set which contains various data records about the customers was gathered from a bank whose name was kept in secret because of privacy issues. This data set is used to cluster the customers and visualize these clusters through self-organizing maps. As a result of the analysis dataset was clustered into 5 segments. Maps that are the result of the analysis reflect the characteristics of the commercial credit-user bank customers.