| Abstract : | Ο σκοπός αυτής της διπλωματικής εργασίας, ήταν η παρακολούθηση των καταναλωτικών συμπεριφορών (spending patterns) των πελατών μιάς από τις 4 συστημικές τράπεζες της Ελλάδας και των αλλαγών που παρουσιάζουν οι συμπεριφορές αυτές ανά οικονομικό γεγονός (capital controls, νέος νόμος αφορολογήτου και ανά χρονιά). Στη συνέχεια μελετήσαμε διάφορους πιθανούς παράγοντες αύξησης ή και μείωσης χρήσης κάρτας (εκτός των οικονομικών γεγονότων) και στη συνέχεια υπολογίσαμε και συγκρίναμε το ποσοστό χρήσης κάρτας έναντι μετρητών ανά χρονιά (2015-2018) όπως επίσης και το ποσοστό χρήσης ηλεκτρονικών μέσων (κάρτα, Internet banking, Mobile banking) ανά χρονιά. Τέλος πήραμε ένα δείγμα πελατών, τους οποίους κατηγοριοποιήσαμε με βάση των spending patterns τους ως προς τη χρήση κάρτας και ως προς τη χρήση μετρητών για να προτείνουμε και κάποιες προωθητικές ενέργειες που θα μπορούσε να εφαρμόσει η τράπεζα για να αυξήσει από τη μία τη χρήση κάρτας και να μειώσει από την άλλη τη χρήση μετρητών.Συγκεκριμένα για την ανάλυση και παρακολούθηση των αλλαγών στα spending patterns, χρησιμοποιήσαμε διάφορα visualizations, ενώ για την κατηγοριοποίηση των πελατών χρησιμοποιήσαμε την τεχνική Clustering δύο φορές, μία για τις κάρτες και μία για τα μετρητά. Όσον αφορά τα Clustering χρησιμοποιήσαμε την μεθοδολογία RFM (Recency, Frequency, Monetary) και για κάθε ένα από τα segments που προέκυψαν αναλύσαμε τα δημογραφικά χαρακτηριστικά των πελατών που ανήκουν σε αυτά καθώς και μερικά spending patterns ώστε να βγάλουμε κάποιες περσόνες. Οδηγός για την υλοποίηση όλης της διαδικασίας που ακολουθήσαμε ήταν η μεθοδολογία CRISP-DM, με την οποία κατανοήσαμε το επιχειρηματικό μας θέμα και τα δεδομένα που είχαμε στη διάθεσή μας, καθαρίσαμε και αναλύσαμε τα δεδομένα, πραγματοποιήσαμε τη μοντελοποίησή μας (στη δική μας περίπτωση με τη μέθοδο Clustering) και αξιολογήσαμε τα αποτελέσματά μας με βάση τους επιχειρηματικούς μας στόχους.
The purpose of this thesis was to monitor the spending patterns of customers in one of the 4 systemic banks in Greece and the changes that these behaviors present by economic event (capital controls, new tax-free law and by year). We then studied various possible factors for increasing or decreasing card use (except financial events) and then computing and comparing the card usage rate against cash per year (2015-2018) as well as the percentage of electronic media use (card, Internet banking, Mobile banking) per year. Finally we got a sample of customers, which we categorized based on their spending patterns on card use and cash use to propose some promotions that the bank could take to increase card use and reduce, on the other hand, the use of cash.Specifically, we used various visualizations to analyze and track changes in spending patterns, while we used Clustering twice to classify customers, one for cards and one for cash use. For Clustering we used the RFM (Recency, Frequency, Monetary) methodology and for each of the resulting segments we analyzed the demographic characteristics of their clients as well as some spending patterns to extract some customer personas. The CRISP-DM methodology was the guide for the implementation of the whole process with which we understood our business matter and the data we had in our disposal, we cleaned and analyze the data, we did our modeling (in our case with the clustering method) and evaluate our results based on our business goals.
|
|---|
Copyright © 2013 Library AUEB. All rights reserved.