8778

پيش بيني ارزش طول عمر مشتري با استفاده از تكنيك‌هاي هوش مصنوعي

كارشناسي

مهندسي صنايع

1402

دكتر بابك اميري

دكتر وحيد خطيبي

1402/08/01

مهندسي صنايع

Predicting customer lifetime value using artificial intelligence techniques

در عصر تصميم‌گيري مبتني بر داده، درك و پيش‌بيني رفتار مشتري براي كسب‌وكارهايي كه به دنبال رشد در يك چشم‌انداز رقابتي هستند، بسيار مهم مي‌باشد، به همين سبب در اين پژوهش به بررسي اين موضوع كه چگونه مي‌توان به كمك رويكردهاي هوش مصنوعي و يادگيري ماشين ارزش طول عمر مشتري را تخمين زده و جهت ارزش دهي به مشتريان فعلي و آتي به كار برد، پرداخته شده است. مطالعه موردي شركت بيمه وهان است كه از شركت‌هاي بيمه پيشرو در هند است و به دنبال پيش بيني و شناسايي مشتريان سودآور خود مي‌باشد. مجموعه داده نمونه شركت حاوي اطلاعات مشتريان از جمله ميزان تحصيلات، وضعيت اشتغال، ارزش طول عمر مشتري، درآمد ساليانه و... است. روش تحقيق به كار گرفته شده بدين ترتيب است كه ابتدا داده‌هاي موجود با استفاده از تكنيك‌هاي يادگيري ماشين آموزش داده شدند و در نتيجه اطلاعات تكميلي براي هر يك از متغيرهاي مشتري حاصل شد و همچنين به روابط بين اين متغيرها پي برده شد. در ادامه پياده سازي مدل‌هاي گوناگون رگرسيون روي داده‌هاي آموزش ديده انجام گرفت و مدل رگرسيون تقويت گراديان به دليل دارا بودن بيشترين دقت، به عنوان بهترين مدل جهت پيش بيني CLV مشتريان در آينده انتخاب گرديد. در گام بعد مشتريان در ده گروه خوشه بندي شدند و مجدداً به طور جداگانه تمامي مدل‌هاي رگرسيون روي هر خوشه پياده سازي گرديد و بهترين مدل براي هر گروه مشتري حاصل گرديد. در نهايت نتايج دو رويكرد خوشه بندي و فاقد خوشه مقايسه شدند و دريافتيم كه رويكرد عاري از خوشه بندي بهترين و دقيق‌ترين نتايج را ارائه نموده است.

ارزش طول عمر مشتري , هوش مصنوعي , يادگيري ماشين , خوشه بندي , مدل رگرسيون تقويت گراديان , علم پيش بيني