ИССЛЕДОВАНИЯ СТРУКТУРЫ КЛИЕНТСКИХ ЗАПРОСОВ В СЕТИ БАНКОМАТОВ

В настоящее время охват городского населения банковскими услугами и продуктами очень высок. Например, к апрелю 2011 года каждый второй гражданин РФ пользовался банковской картой, и каждый десятый планировал ее завести [1]. Так как банковская карта является одним из способов доступа к финансовым продуктам и услугам, доступность этих услуг может определяться наличием в непосредственной близости устройства по обработке услуг с использованием банковских карт – банкомата.

В нашем исследовании востребованный клиентами функционал банкомата был разделен на три типа: выдача наличных денежных средств, предоставление информации по карточному счету и оплата сторонних услуг (сотовая связь, интернет, ТВ и т.д.).

Исследование проводилось в пределах банкоматной сети КБ "Кубань Кредит" ООО, ограниченной городом Краснодар, выборка состояла из 29 банкоматов. Данные по запросам клиентов были получены за период с 1 января 2015 г. по 31 декабря 2015 г. Обработка данных производилась с помощью программного обеспечения Statistica 10.

Для нивелирования разницы между банкоматами в абсолютном количестве транзакций за год, были получены относительные величины для количества операций каждого типа.

В качестве способа обработки данных был выбран кластерный анализ по методу Уорда [2]. Его особенность в формировании групп по принципу минимума внутрикластерной дисперсии.

Кластеризация точек самообслуживания позволила выделить три четко различимых группы (рис. 1), при "разрезании" дендрита на уровне слияния равном 0,3 ед. Полученные группы были неравночисленны.

Рисунок 1. Результат кластеризации точек самообслуживания по методу Уорда в евклидовом пространстве

Группировка объектов имела некоторые особенности: в первый кластер (слева направо) попали банкоматы, установленные в рамках зарплатных проектов (четыре из пяти); второй кластер представлен банкоматами, установленными в местах массового скопления людей (торговые/развлекательные центры); третий кластер, в основном (12 из 15), представлен банкоматами, расположенными в точках присутствия Банка (дополнительные офисы/кассы Банка).

Дисперсионный анализ объектов по принадлежности к кластеру позволил определить степень (табл. 1) и характер (табл. 2) различий выделенных групп. Межгрупповые различия были выявлены для всех исследуемых категорий функционала банкомата.

Таблица 1.

Результаты дисперсионного анализа межкластерной изменчивости

Результаты дисперсионного анализа говорят о статистически достоверных различиях между выделенными группами. А ранговый тест групповых средних позволил получить картину различий

Оказалось, что большая доля оплаты услуг приходится на банкоматы, установленные в рамках зарплатных проектов. Очевидно, в течение рабочего дня сотрудники предприятий используют банкоматы для проведения операций пополнения баланса своих мобильных телефонов или оплаты телекоммуникационных услуг, которыми они пользуются дома.

Таблица 2.

Характер различий выделенных групп банкоматов

Примечание: нахождение символа «*» на разных вертикалях означает достоверность различия средних значений, нахождение на одной вертикали – отсутствие статистически достоверных различий.

Получение данных об остатке на карточном счете более востребовано в банкоматах, установленных в торговых и развлекательных центрах. Очевидно, это связано с желанием людей спланировать свои расходы, исходя из остатка на счету.

В то же время обналичивание люди предпочитают производить в точках присутствия Банка. Этот факт можно объяснить предосторожностью. Сами банки зачастую рекомендуют клиентам снимать деньги на банкоматах, установленных при офисах, так как риск установки мошеннических устройств на такие банкоматы минимален.

Стоит упомянуть, что результаты изучения небольшой локализованной группы банкоматов в одном из институтов Индии, позволили рекомендовать размещение устройств самообслуживания как можно ближе к месту проживания потенциальных клиентов (общежития, хостелы), а не к месту их деловой активности [3]. Но при этом не рассматривался тип операции.

Таким образом, можно говорить о существовании модельности поведения держателей карт, вскрываемой с применением определенного алгоритма статистического анализа. Основываясь на модельностях, в перспективе возможна выработка рекомендаций относительно размещения банкоматов и выбора моделей.

Список литературы:

1. Кузина О.Е., Поведение потребителей на рынке розничных платежей. Банковское дело. 2011. № 10. С. 70-75.
2. Факторный дискриминантный и кластерный анализ: Пер. с англ./Дж.-О. Ким, Ч.У. Мюллер, У.Р. Клекка и др.; под ред. И.С. Енюкова. – М.: Финансы и статистика, 1989. –215 с.: ил.
3. Vasumathi A. Application of Simulation Technique in Queuing Model for ATM Facility / Vasumathi A., Dhanavanthan P. // International Journal of applied Engineering Research, Dindigul, 2010, Volume 1, No 3, PP –469-482.