1910

Kredi Kartı Kullanan Müşterilerin Sosyo Ekonomik Özelliklerinin Kümeleme Analiziyle İncelenmesi

Günlük hayatımızda çok önemli bir yere sahip olan bankacılık sektöründe yer alan bireysel bankacılığın islevlerinden birisi de kredi kartlarıdır. Kredi kartlarına iliskin hizmetlerin daha iyi verilebilmesi için, bunları kullanan müsteri yapısının bilinmesi gereği vardır. Bu bağlamda kredi kartı kullanan banka müsterilerinin sosyo-ekonomik özellikleri bakımından gruplanması önem kazanmaktadır. Böylece banka müsterilerinin daha iyi tanımlanması sağlanarak, belli müsteri kalıpları belirlenmesi amaçlanmıstır. Söz konusu gruplama isleminde birimlerin, değiskenlerin ya da birimlerin ve değiskenlerin bir arada gruplandırılmaları islemlerini içeren kümeleme analizi kullanılmıstır. Bu analiz sonuçlarına göre banka müsterileri 3 kümede toplanmıstır. Đlk kümede müsterilerin çoğunluğu yer almıstır. Ayrıca söz konusu kümelerde müsteriler cinsiyet, yas, kredi kartı türü gibi değiskenlere göre de gruplanmıslardır. Bu gruplamanın bankaların kredi kartı hizmetlerinde ne tür müsteri grubuna gideceklerini bilmelerin de yarar sağlayacaktır.

The Examination of Social Economic Variables of Credit Card Owner Costumers with Cluster Analysis

One of the functions of the individual banking sector -which has a wide effect on our life- is handling credit card operations. For better service levels related to credit cards, the structure of the client spectrum must be well known. Clients how own credit cards must be grouping the clients who own credit cards according to social-economic characteristics, is very important. By well defining the clients, some client models may be introduced. In grouping process cluster analysis was used in which units, variables or units and variables can be grouped together. According to these results clients were collected in 3 group. The most of clients took place in the first cluster. Furtermore in these clusters clients were also grouped according to variables such as sex, age, type of credit card. By the help of this grouping methods, banks can determine the type of target clients and service them in a better way.

PDF

___

1. Anderberg, M.R. (1973). Cluster Analysis for Applications. New York: Academic Press.
2. Aydın, N. (1991). ‘‘Kredi Kartları ve Kredi Kartlarının Faiz Masraflarının Hesaplanması’’, Anadolu Üniversitesi Dergisi, Đ.Đ.B.F. Dergisi, Cilt: 9, S:1-2 :148.
3. Bakır, H. (2000). ‘‘Türkiye’de Plastik Kartlar ve Plastik Karların Geleceği-Akıllı Kartlar (Smart Card) ’’, Anadolu Üniversitesi Dergisi, I.I.B.F. Dergisi, C: 16, S:1-2 :194.
4. Bakır, H. (2001). ‘‘ Kredi Kartı Uygulamaları ve Co-brand Kartlar ’’, Sanayide Yeni Ufuk Eskisehir Sanayi Odası Dergisi, Ocak-Mart:23.
5. Jobson, J. D.( 1991). Applied Multivariate Data Analysis, Volume II: Categerical and Multivariate Methods. New York: Springer-Verlag.
6. Johnson, R.A. ve Wichern, D.W. (2002). Applied Multivariate Statistical Analysis. Fifth Edition. New Jersey: Pearson educationInt..
7. Özdamar, K.(2004). Paket Programlar ile Đstatistiksel Veri Analizi, (Çok Değiskenli Analizler). Eskisehir: Kaan Kitabevi.
8. Proctor, T. (2003). Pazarlama Arastırmasının Temelleri. Çeviri. Đstanbul: Bilim Teknik Kitabevi.
9. SPSS (1999). SPSS Base 10.0 Applications Guide. United States of America: SPSS Inc..
10.Tatlıdil, H. (1996). Uygulamalı Çok Değiskenli Đstatistiksel Analiz. Ankara: Cem Web Ofset Ltd. Sti..
11.Yılmaz, E. (2000). Türkiye’de Kredi Kartı Uygulaması ve Ekonomik Etkileri. Đstanbul: Türkmen Kitabevi.