مسئله:
یکی از بانک‌های خصوصی کشور به دنبال روشی برای ارائه خدماتی دقیق‌تر و سفارشی شده‌تر به مشتریان و برنامه‌ریزی بهتر برای شعب خود بود. برای این کار نیاز بود تا ابتدا مشتریان خود را به طریقی دسته‌بندی کند، تا بتواند برای هر دسته خدمات و طرح‌های مناسبی ارائه دهد.
راه‌حل گروه مشاوران سحاب:
- گروه مشاوران سحاب پس از گفت‌وگو با مدیران بانک، به این نتیجه رسید که با توجه به نیاز این بانک، روش مناسب برای دسته بندی مشتریان، استفاده از داده تراکنش‌های مشتریان بانک و دسته‌بندی با استفاده از سه ویژگی: تازه‌ترین تراکنش، تعداد تراکنش‌ها و سقف تراکنش مشتریان است.
- بدین منظور، با توجه به توزیع آماری داده‌ها، تراکنش‌های از یک حد بالاتر و یک حد پایین‌تر در دستههای جداگانه‌ای قرار گرفتند و از دسته‌بندی اصلی حذف شدند.
- سایر مشتریان با بهره‌گیری از مدل‌های آماری و یادگیری ماشین به ۸ دسته تقسیم شدند: از مشتریان وفادار تا مشتریان رویگردان.
- جابجایی مشتریان بانک در بازه‌های زمانی مشخص از یک دسته به دسته دیگر و در نتیجه ریزش یا رویش مشتریان در نمودارهایی به نمایش درآمد.
- راه‌حل نهایی روی ابزار هوش‌تجاری بانک پیاده‌سازی گردید.
نتیجه:
نگهداشت مشتریان فعلی همواره از جذب مشتریان جدید ساده‌تر و کم هزینه‌تر است. با استفاده از راه‌حل گروه مشاوران سحاب، مدیران بانک توانستند رفتار مشتریان را که مدت‌ها، صرفا تصوری شهودی یا حسی درباره‌ی آن داشتند، را به صورت بسیار دقیقی ملاحظه کنند. می‌توانستند با استفاده از داده‌های واقعی (نه بر اساس حدس گمان) ببینند که چند درصد از مشتریان در معرض خطر ریزش قرار دارند و چه مشتریان ارزشمندی نیازمند توجه بیشتر هستند تا تعداد و اندازه سبد مشتریان وفادار بانک بزرگ‌تر شود. علاوه بر این می‌توانستند اثر برنامه‌ها و کمپین‌های بازاریابی خود را در هر مقاطع زمانی بر روی دستههای مختلف مشتریان ملاحظه کنند و در خصوص عملکرد شعب در رابطه با حفظ و رسیدگی به مشتریان ممتاز خود با اطمینان بسیار بیشتری اظهار نظر کنند.
پیاده‌سازی راه‌حل گروه مشاوران سحاب بر روی ابزارهای موجود بانک، به معنای عدم نیاز به صرف هزینه و زمان اضافه برای پیاده‌سازی و انتقال دانش ابزارهای جدید بود و هزینه‌های زیرساختی و فرهنگی پیاده‌سازی را به حداقل رساند.
خلاصه
استفاده از تکنیک‌های دسته‌بندی و خوشه‌بندی مشتریان، موجب شد تا برنامه‌ریزی برای شعب و تصمیم‌گیری برای ارائه خدمات سفارشی‌سازی شده به مشتریان با هزینه کمتر و عملکرد دقیق‌تر و بهینه‌تری امکان‌پذیر باشد.