16263

16263

ارائه مدل پيش بيني ريزش مشتريان با استفاده از تلفيق ابزارهاي داده كاوي (مطالعه موردي)

كارشناسي ارشد

مهندسي صنايع- مديريت سيستم و بهره وري

دي ماه 1395

دكتر نوري

دكتر غضنفري

صنايع

نگهداشتن مشتريان از مسائل ضروري و حائز اهميت براي كسب و كارها مي باشد. بنابراين براي نيل به اين هدف درصدد رسيدن به راهي مي باشند كه پيش از ترك و رويگرداني مشتريانشان، آن ها را شناسايي كرده و بتوانند از اين امر جلوگيري كنند. تاكنون تحقيقات بسياري در زمينه پيش بيني ريزش مشتريان صورت گرفته است. اما در ميان آن ها در نظر گرفتن تركيب سه روش نزديكترين همسايگي، شبكه عصبي و رگرسيون لجستيك بررسي نشده است. پس از بررسي داده ها و روش ها نتايج حاكي از آن بوده است كه پيش بيني ريزش مشتريان با در نظر گرفتن راه پيشنهادي به ميزان زيادي افزايش يافت.به عبارت ديگر با مقايسه عملكرد هركدام از مدل ها به تنهايي و تركيب آن ها اين نتيجه بدست آمد كه عملكرد روش تركيبي با توجه به شاخص هاي دقت، صحت، تشخيص و حساسيت از وضعيت بهتري برخوردار بوده است. از سوي ديگر با تمركز بر صنعت مخابرات در اين تحقيق ويژگي ميزان مصرف اينترنت مشتريان نيز براي پيش بيني ريزش مشتريان مورد بررسي قرار گفته است و با بررسي ميزان تاثيرداده هاي حاصل از مصرف اينترنت به اين نتيجه رسيديم كه اين داده مي تواند تا حدود زيادي بر روي عملكرد هركدام از مدل ها تاثيرگذار باشد و شاخص هاي مذكور را بهبود ببخشد. مورد ديگري كه در تحقيق پيش رو بدان پرداخته شده، در نظر گرفتن روش تركيبي و ويژگي مصرف اينترنت كاربران در خوشه هاي مختلفي از مشتريان مي باشد كه بيان گر اين نكته است با خوشه بندي عملكرد روش پيشنهادي مي توانند بالاتر گردد.

1395/10/20

1/1/1900 12:00:00 AM

Customer retention is one of the important issues in variety of businesses an​d this is because of more cost of acquiring new customers in comparison with retention of the currently customers. Since preventing customer churn is more economical than acquiring a new customer, as emphasized a lot in the literature, managers of companies pay more attention to this issue. Since customers prefer better services an​d products, it is high probability to change the organizations of which they use services o​r product. As a result, managers look for a way to predict customers churn in advance in order to offer some suggestions to prevent that. Consequently, we may say customer retention an​d customer churn prediction are very attentive in a lot of business especially in telecommunication. In this research a new combination technique is proposed for customer churn prediction, moreover internet consumption has been taken into consideration. For one more, it has been shown that clustering helps us to improve the prediction accuracy.