تحلیل ریزش مشتری با کاربست راهکارهای داده کاوی مبتنی بر دسته بندی و ارزیابی

چکیده مقاله

حفظ مشتریان سودآور و جلوگیری از ریزش مشتریان یک از اهداف راهبردی بازاریابی است بی توجهی به این امر منجر به گرایش مشتریان به سمت رقبا و یا جایگزینی محصول توسط مشتری می گردد کسب و کارها برای حفظ موقعیت خود همگام با افزایش رقابت در فضای تجاری امروزی، استراتژی های خود را به سمت شناسایی مشتریانی که ارتباط خود را با سازمان به دلایل گوناگون قطع می نمایند و منجر به ایجاد هزینه های سربار برای سازمان می شوند معطوف کرده اند مهم ترین راهکار در این خصوص، پیش بینی و بررسی دلایل ریزش مشتری با تکیه بر اطلاعات موجود در انباره داده سازمان هاست هدف از این پژوهش شناسایی دلایل تاثیرگذار بر فاکتورهای رقابتی بازار در ریزش مشتری و اعمال و مقایسه روش های یادگیری ماشینی که به شناسایی علل ریزش مشتری کمک می کند می باشد در این مقاله از روش های داده کاوی و مبتنی بر تکنیک های دسته بندی و ساخت مدل درخت تصمیم و جنگل تصادفی و روش مبتنی بر قانون تحت سه تابع Bootstrapping Validation و Split Validation ،x Validation استفاده شده است دیتاست مشتریان شرکت IBM مورد استفاده قرار گرفته و برای انتخاب بهترین روش پیش بینی از معیارهای صحت و دقت استفاده شده است نتایج نشان دهنده برتری روش در تشخیص دلایل ریزش مشتری است طبق جداول شامل مقدار درست موارد غیر ریزشی و ریزشی می شود در آن تابع Split Validation در روش Rule induction مقدار 85 25 % را به ما به عنوان بیشترین مقدار درست موارد غیر ریزشی و همین تابع در روش جنگل تصادفی مقدار 69 39 % بیشترین مقدار درست موارد ریزشی نشان می دهد

کلیدواژه‌ها

نویسندگان

حامد میرزا علی اکبر

دانشکده فنی، موسسه آموزش عالی مهرآستان، آستانه، ایران، آستانه

فاطمه احمدی آبکناری

گروه مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور واحد رشت، ایران

میرزا علی اکبر، حامد و احمدی آبکناری، فاطمه،1398،تحلیل ریزش مشتری با کاربست راهکارهای داده کاوی مبتنی بر دسته بندی و ارزیابی،ششمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران با نگاه کاربردی بر انرژی های نو،تهران

ارائه‌شده در

مجموعه مقالات ششمین کنگره ملی تازه های مهندسی برق و کامپیوتر ایران با نگاه کاربردی بر انرژی های نو12 اردیبهشت 1398 · تهران