15208

15208

ارائه يك رويكرد تركيبي داده كاوي مبتني بر Boosting و Bagging براي پيش بيني رويگرداني مشتريان

كارشناسي ارشد

مهندسي فناوري اطلاعات - تجارت الكترونيك

تير ماه 1394

تير ماه 1394

دكتر محمد فتحيان

دكتر بهروز مينايي

صنايع

چكيده با تو ه به افزايش شركت هاي ارائه دهن ده خ دمات نظ ي ر بان ك ه ا ب يم ه و ش ركت ه ا ي مخ ابرات ي اندازه گيري رضايت مشتري تبديل به يك استراتژي مهم براي شركت ها شده است. سازمان ها ب راي پي روزي در ميدان رقابت نيازمند شناخت رفتار مشتريان خود هستند تا بتوانند براي نگهداري آن ها زودتر از ديگ ران خواسته ها و رفتارهاي آنان را پيش بيني كنند. حفظ مشتريان ق د يمي بخص وص در ح وزه مخ ابرات ي ب ه ز هزينه هاي ذب مشتري ارزش فرصت را براي شركت به همراه دارد. به اين معنا كه سازمان ق ادر ب ه ارائ ه خدمات اضافي و ديد به مشتري و كسب درآمد بيشتر است. به همين دليل از دست دادن مشتري ن ه تنه ا منجر به كاهش درآمد و تحميل هزينه ذب مشتري ديد به سازمان م ي ش ود بلك ه باع ث از ب ين رف تن درآمدهاي بالقوه مي شود. هدف از تحليل رويگرداني شناسايي مشترياني است كه احتمال م ي رود در آين ده نزديك سازمان را ترك كنند و از خدمات رقيب استفاده كنند. در اين پژوهش به منظور س اخت ي ك م دل بهتر براي پيش بيني ريزش مشتريان از تركيب تكنيك هاي خوشه بن د ي ب ه هم راه روش ه ا ي ك اهش ابع اد داده ها با رده بندهاي تجميعي استفاده ش ده اس ت. ع لاوه ب ر ا ي ن ب را ي مقايس ه نت ا ي رده بن دها ي پاي ه رده بندهاي تجميعي و رده بندهاي تركيبي توسعه داده شده اند. به عنوان نتيج ه 9 م دل مختل ب ر اس اس معيارهاي دقت حساسيت Specificity AUC و F-measue با يكديگر مقايسه شدند. نتاي نش ان م ي ده د كه تركيب روش هاي خوشه بندي SOM همراه با روش هاي كاهش ابعاد PCA ب ا روش تجم يع ي بوس تينگ به صورت غير همگن نتاي بهتري را با تو ه به معيارهاي مربوطه داشته است. واژه هاي كليدي: مديريت ارتباط با مشتري پيش بيني رويگرداني داده كاوي رده بندي