عنوان پایان‌نامه
پیش بینی رفتار مشتریان حقیقی در انتخاب بانک با استفاده از شبکه عصبی (مطالعه موردی :بانک سینا)
- رشته تحصیلی
- مدیریتMBA - بازاریابی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 75792
- تاریخ دفاع
- ۱۵ اسفند ۱۳۹۴
- دانشجو
- فاطمه علیزاده
- استاد راهنما
- امیر خانلری
- چکیده
- امروزه یکی از چالش های مهم بانک ها شناخت دقیق و صحیح مشتریان، عادات رفتاری آنها و متناسب نمودن خدمات ارائه شده با نیازها و خواسته های مشتریان می باشد. یکی از رویکردهای نوین جهت کمک به بانک ها در این زمینه، تکنیک شبکه عصبی است. لذا پژوهش حاضر با هدف الویت بندی عوامل مؤثر بر انتخاب بانک و پیش‌بینی رفتار مشتریان در شهر تهران انجام گرفته است. این پژوهش از نظر هدف کاربردی است و از نظر نحوه گردآوری داده ها تحقیق توصیفی- پیمایشی می باشد. در این تحقیق ابتدا از طریق مطالعه ادبیات تحقیق موثرترین عوامل بر انتخاب بانک توسط مشتریان استخراج شدند که عبارتند از: ارزش ویژه برند بانک ، تبلیغات دهان به دهان ، برخورد مناسب کارکنان و توجه به شخصیت مشتری ، میزان سود سپرده گذاری و پرداخت تسهیلات بانکی با شرایط مناسب ، مناسب بودن محل بانک و تعداد شعبه ها ، ساعات کاری شعبه ، کیفیت خدمات الکترونیکی و تبلیغات رسانه ای. مشتریان بانک سینا در چهار منطقه شمال، جنوب، شرق و غرب شهر تهران جامعه آماری این تحقیق را تشکیل می دهند. در این پژوهش از روش نمونه گیری تصادفی- طبقاتی استفاده شده است. نمونه آماری شامل تعدادی از مشتریان بانک سینا در چهار منطقه شهر تهران و با درنظر گرفتن رتبه شعبه(ممتاز، درجه یک، درجه دو و درجه سه) که به طور تصادفی انتخاب شده اند، می باشد. ابزار گردآوری داده ها پرسشنامه ای حاوی سه بخش می باشد. متغیرهای جمعیت شناختی و تیپ شخصیتی پاسخگویان با استفاده از پرسشنامه مایرز- بریگز(MBTI) شناسایی می شود. سپس از آن ها جهت الویت بندی عوامل مؤثر بر انتخاب بانک نظرسنجی صورت می گیرد. تجزیه و تحلیل داده های پرسشنامه ها با استفاده از تکنیک شبکه عصبی مصنوعی صورت می گیرد. متغیرهای جمعیت شناختی، تیپ شخصیتی مشتریان و نوع شعبه به عنوان ورودی شبکه عصبی و معیارهای الویت بندی شده در انتخاب بانک توسط مشتریان به عنوان خروجی شبکه در نظر گرفته شده اند. در نهایت، بهترین مدل شبکه عصبی مصنوعی برای پیش‌بینی رفتار مصرف‌کننده در انتخاب بانک ارائه می گردد. واژه‌های کلیدی: رفتارمصرف کننده، معیارهای انتخاب بانک، تیپ شخصیتی مایرز-بریگز(MBTI)، شبکه عصبی مصنوعی
- Abstract
- Today one of the major challenges banks are involved in, is accurate understanding of customers, their behavior and proportioning the services provided to the needs and demands of clients. One of the new approaches to help banks in this field is neural network techniques. This study behavior was conducted in Tehran and aimed to prioritize the factors affecting the Bank and predict customer. This research is an applied research and the method of data collection is descriptive research. In this study, through the study of literature the most effective factors afects choosing of banks by customers were extracted which include: Bank brand equity, advertising by mouth to mouth, staff dealt according to the customer's personality, interest rate and payment Deposit of Bank in appropriate circumstances, the suitability of the location and number of bank branches, branch working hours, the quality of electronic services and advertising in media. The population of this study is made of Sina bank customers in four regions: North, South, East and West of Tehran. In this study, classified-random sampling method was used. The sample includes a number of Sina bank customers in the four regions of Tehran by considering the branch ranking (superior, first grade, second grade and third grade) which were randomly selected. The data collection tool is a questionnaire containing three sections. Demographic variables and personality type is detected by using the Myers- Briggs (MBTI) method. Then, to prioritize the factors affecting choosing of Bank, tow most important item is asked from customers to choose from eight. Analysis and data analysis can be done using artificial neural network techniques. Demographic characteristics, customers personality type and type of branch is taken as neural network inputs and the tow most important prioritized criteria in selection of banks considered by our customers, are considerd as network outputs. Finally, best artificial neural network model which can predict consumer behavior in choosing the bank, will be provided. Key words: consumer behavior, criteria of selecting bank, Myers-Briggs personality type (MBTI), artificial neural network
