ارائه یک مدل جهت پیشبینی ریزش مشتری در کسب وکار آنلاین با استفاده از طبقه بندی کننده ی تجمیعی Bagging مبتنی بر شبکه های عصبی

امروزه ادامه ی حیات در بازار رقابت، منجر به تمرکز شرکتها بر حفظ مشتری شده است و این موضوع یک اولویت کانونی برای آنها است. با این حال، روند اجرای نگهداری مشتریان به توانایی سازمان ها در تحلیل رفتار مشتریان بستگی دارد و بی توجهی به این موضوع موجب ریزش مشتری و متمایل شدن آنها به سمت رقبا می شود. تکنیکهای داده کاوی به دلیل استخراج الگوی پنهان، به منظور تحلیل رفتار مشتریان به کار میروند و یکی از کاربردهای تکنیک های داده کاوی، پیشبینی ریزش مشتری است که امروزه بسیار مورد توجه قرار گرفته است. هدف این پژوهش طراحی یک مدل جهت پیشبینی ریزش مشتری در کسب وکار آنلاین است، بنابراین ابتدا شاخصهای موثر بر ریزش مشتریان شناسایی شده و داده های موردنیاز از شرکت هفت میوه جمع آوری شدند و با استفاده از نرمافزار رپیدماینر مورد تجزیه و تحلیل قرار گرفتند. در این پژوهش تکنیک طبقهبندی تجمیعی بگینگ با شبکه عصبی به عنوان یادگیرنده پایه پیشنهاد شده است. در ادامه جهت مقایسه، با استفاده از الگوریتم های طبقه بندی مانند درخت تصمیم، شبکه های عصبی، بیز ساده، ماشین بردار پشتیبان و روش تجمیعی بگینگ با هر کدام از این طبقه بندهای پایه، عمل پیشبینی ریزش مشتری بر روی مجموعه داده انجام شد. پس از ارزیابی، نتایج حاصل نشان میدهد که روش پیشنهادی پژوهش با دقت %۹۷.۸۶ عملکرد بهتری در مقایسه با سایر تکنیکها در پیشبینی ریزش مشتری دارد.

کلیدواژه ها:

پیشبینی ریزش ، داده کاوی ، طبقهبندی ، تکنیکهای یادگیری ماشین