K-MEANS CLUSTERING AND DECISION TREE CLASSIFICATION TECHNIQUES FOR CREDIT CARD CUSTOMER SEGMENTATION AND PERSONALIZED MARKETING

Abstract

This study aims to analyze customer segmentation of a credit card company. The analysis consists of two phases: K-Means clustering and Decision Tree classification. In the initial phase, various numbers of clusters were explored using the Elbow method, Silhouette analysis, the Davies-Bouldin index, and the Calinski-Harabasz index. The second phase focused on Decision Tree classification to identify key features that differentiate customer groups and capture characteristics of each cluster. Finally, guidelines for developing customized campaigns ore promotions were provided.

งานวิจัยนี้มีวัตถุประสงค์เพื่อศึกษาวิธีการจัดกลุ่มลูกค้าของบริษัทบัตรเครดิตแห่งหนึ่ง โดยการศึกษาแบ่งออกเป็น 2 ช่วง คือ ช่วงที่หนึ่งการจัดกลุ่มด้วยแบบจำลองเค-มีนส์ และช่วงที่สองการทำนายกลุ่มด้วยแบบจำลองต้นไม้ตัดสินใจ โดยในช่วงแรกใช้วิธีการหาจำนวนกลุ่ม (คลัสเตอร์) ที่เหมาะสมด้วย วิธีการ Elbow method, การวิเคราะห์ Silhouette, Davies-Bouldin index และCalinski-Harabasz index และในช่วงที่สองให้แบบจำลองต้นไม้ตัดสินใจทำนายกลุ่มลูกค้า เพื่อหาฟีเจอร์สำคัญที่ส่งผลให้แบบจำลองใช้เป็นกฎการตัดสินใจในการจัดกลุ่มลูกค้า และแสดงถึงลักษณะของลูกค้าในแต่ละกลุ่ม โดยการศึกษาในครั้งนี้ช่วยให้เข้าใจปัจจัยที่มีอิทธิพลต่อพฤติกรรมและความชอบของลูกค้าในแต่ละกลุ่มได้อย่างชัดเจนยิ่งขึ้น และในท้ายที่สุดงานวิจัยนี้มีการนำเสนอแนวทางสำหรับการออกแคมเปญทางการตลาด และโปรโมชั่นเพื่อตอบสนองความต้องการของลูกค้าในแต่ละกลุ่ม