摘要：طبقه بندي مشتريان با استفاده از الگوريتمهاي دادهكاوي، بانك ها را قـادر بـه حفـظ و
وفاداري مشتريان قديم و جذب مشتريان جديد خواهد كرد . يكي از روشهاي دادهكاوي، درخت
تصميم گيري است و چنانچه درخت تصميم مناسبي ساخته شود، ميتـوان مشـتريان را بـهطـور
بهينه طبقهبندي كرد. در اين نوشتار، يك مدل مناسب براي طبقـهبنـدي مشـتريان بـر مبنـاي
بهرهگيري از خدمات اينترنت بانك ارائه شده است . اين مدل بر اساس اسـتاندارد DM-CRISP
انجامگرفته و دادههاي مورد نياز از پايگاه داده مشتريان اينترنتبانك سينا استخراج شده اسـت.
در ميان ساير درختان تصميم گيري، درخت تصميم نهايي مبتني بر معيارهـاي بهينگـي و دقـت
بوده و براساس دسته بندي مشتريان در سه سطح بالا، متوسـط و پـايين، پـيشبينـي مشـتريان
جديدي كه متقاضي استفاده از اينترنتبانك هستند، شكل ميگيـرد. پـژوهش پـيش رو از نظـر
هدف، كاربردي و از نظر گردآوري دادهها، پژوهشي اسنادي بهشمار ميرود. قوانين استخراجشدة
مربوط به مشتريان، مـديران بانـكهـا را قـادر مـيكنـد تـا بـر اسـاس الگوهـاي كشـف شـده
سياستگذاري كنند و درك بهتري از انتظارات كنوني و آتي مشتريان داشته باشند.
其他摘要：Classifying customers using data mining algorithms, enables banks to keep old customers loyality while attracting new ones. Using decision tree as a data mining technique, we can optimize customer classification provided that the appropriate decision tree is selected. In this article we have presented an appropriate model to classify customers who use internet banking service. The model is developed based on CRISP-DM standard and we have used real data of Sina bank’s Internet bank. In compare to other decision trees, ours is based on both optimization and accuracy factors that recognizes new potential internet banking customers using a three level classification, which is low/medium and high. This is a practical, documentary-based research. Mining customer rules enables managers to make policies based on found out patterns in order to have a better perception of what customers really desire.
