23874

ارائه ي مدل پيشبيني ريزش مشتريان مبتني بر تحليل شبكه هاي اجتماعي و يادگيري ماشين (مورد مطالعه: داده هاي مشتريان شركت مخابراتي)

كارشناسي ارشد

مهندسي فناوري اطلاعات

1397

30/11/1399

دكتر بابك اميري

دكتر محمد فتحيان

مهندسي صنايع

ريزش يا رويگرداني مشتريان يكي از مشكلات مهم شركت هاي تجاريست كه براي بقا به مشتريان خود متكي هستند. اين واقعيت كه جذب مشتري جديد نسبت به حفظ مشتري هزينه بسيار بيشتري دارد، ريزش مشتريان را به يكي از مهمترين مسائل شركت هاي تجاري تبديل كرده است. با در نظر گرفتن تأثيرات سؤ اين مسئله بر درآمد شركت ها، مدل هاي مختلف پيش بيني ريزش مشتريان ارائه شدند. اكثر اين مدل ها بر اساس اعمال الگوريتم هاي يادگيري ماشين بر روي مجموعه داده هايي شامل مشخصات جمعيتي و اطلاعات خدمات مشتريان ايجاد گشته و برخي از آنها از ويژگي هاي شبكه مشتريان براي انجام عمليات پيش بيني ريزش استفاده كرده اند. در اين پژوهش، يك مدل پيش بيني ريزش مشتريان براساس تجزيه و تحليل شبكه ي اجتماعي با استفاده از داده هاي شبكه هاي تماس تلفني و روش هاي يادگيري ماشين ارائه شده و با معرفي شاخص هاي تاثير گذاري و تاثيرپذيري اجتماعي، تاثير ريزش كاربران بر همسايگان خود در شبكه تماس را مورد بررسي قرار مي دهد. هدف از انجام اين پژوهش، تجزيه و تحليل تعاملات اجتماعي بين افراد و اجراي تكنيك هاي مختلف طبقه بندي يادگيري ماشين براي دستيابي به يك مدل بهينه است. براي اندازه گيري عملكرد مدلهاي ساخته شده در اين پژوهش، از هفت متريك و روش ارزيابي مدل هاي يادگيري ماشين مانند منحني مشخصه عملكرد سيستم ، دقت دسته بندي، ميانگين صحت، نمره اف 1، ضريب هم بستگي متيو، نمره ي كاپاي كوهن و نمره ي برير استفاده شده است. نتايج آزمايشات انجام شده بيان كردند كه استفاده از ويژگي هاي شبكه هاي اجتماعي مخصوصا ويژگي ها و شاخص هاي تأثير گذاري و تاثيرپذيري باعث بهبود عملكرد كليه مدل هاي پيش بيني ريزش مشتريان مورد استفاده در اين پژوهش گشته و همچنين مدل گراديان بوستينگ بهترين عملكرد را در مقايسه با ديگر روش هاي يادگيري ماشين در مجموعه داده ي مورد مطالعه داشته است.

1400/03/13

Propose a Customer Churn Prediction Model Based On Social Network Analysis and Machine Learning (Case Study: Telecommunication Company Customer Data)

2/19/2022 12:00:00 AM

customer churn is one of the most important issues for companies according to the fact that the cost of attracting new customers is much greater than retaining customers. By considering the effects of this problem on companies' revenues, customer churn prediction models were presented. Most of these models apply machine learning algorithm on datasets based on the demographic characteristics and customer service’s information and some of them used the customers network’s features to perform the prediction. In this paper, we proposed a churn prediction model based on Social influence and conformity analysis using phone call networks data and machine learning methods. we examine users churn effect on their neighbours in call network by introduce influence and conformity indices. The goal of our work is to analyse the social interactions between individuals and execute various machine learning classification techniques to acquire an optimal model. In order to measure the performance of our models, the Area Under Curve (AUC) standard measure, Accuracy score, Average precision score, F1-score, Mathews Correlation Coefficient, Cohen kappa score, Brier score are adopted. Experiments conducted the social networks features specially proposed influence and conformity indices enhance the performance of all churn prediction models constructed in this paper and the gradient boosting model had the best performance compared to other machine learning methods.

شبكه ي اجتماعي , تاثير گذاري , تاثيرپذيري , ريزش مشتريان , يادگيري ماشين

Social Network , Influence , Conformity , Customer Churn , Machine Learning