پیش بینی ریزش مشتری با استفاده از شبکه عصبی کانولوشن گراف به منظور بهبود تجربه مشتریان

پدیده ریزش مشتری به عنوان یکی از چالش های اساسی کسب وکارها مطرح است. امروزه توانایی پیش بینی ریزش مشتری با استفاده از تکنیک های پیشرفته تحلیل داده، به دلیل اهمیت آن مورد توجه واقع شده است. پیش بینی ریزش مشتری یکی از مسائل مهم در کسب وکارها است که میتواند منجر به ارائه خدمات بهتر و افزایش سودآوری شود. با استناد به تحقیقات انجام شده روش های مختلفی برای پیش بینی نرخ ریزش مشتری با استفاده از داده های تاریخی و رفتاری مشتریان ارائه شده است. اما، از تکنیک های گرافی پیشرفته برای مدل ساز ی و تجزیه و تحلیل رفتار مشتریان برای پی ش بینی ریزش مشتریان به ندرت استفاده شده است. در تحقیق حاضر، با بهره گیری از شبکه کانولوشن گراف، یک روش نوین برای پیش بینی ریزش مشتریان ارائه شده است. این روش، با مدل سازی روابط مشتریان به عنوان یک ساختار گراف، از تحلیل پویا شبکه در زمان و استفاده از ویژگی های هر مشتری به عنوان نودهای گراف برا ی بهبود پیش بینی ریزش مشتریان استفاده می کند. این چارچوب روابط بین مشتریان را به عنوان یک ساختار گراف مدل کرده و رفتار هر مشتر ی را به عنوان یک دنباله زمانی از متغیرها ی تازگی خرید، تعداد خرید، مبلغ خرید و هزینه مشتری به عنوان ویژگی های هر نود گراف مشتریان در نظر می گیرد. در نهایت، از الگوریتم شبکه عصبی کانولوشن گراف برا ی تحلیل گراف مشتریان و شناسایی مشتریان در معرض ری زش استفاده می شود. داده های مورد استفاده در این تحقیق مربوط به داده های تراکنشی یک شرکت خدمات پرداخت در طی دوره سی وشش ماه می باشد آزمایشات و ارزیابی ها بر روی این مجموعه داده نشان میدهد که این رویکرد علاوه بر بهبود عملکرد در مقایسه با الگوریتم های رایج و بهبود دقت و ضریب همبستگی متیوز، میتواند منجر به افزایش بهره وری و رضایتمندی مشتریان شود.

کلیدواژه ها:

پیش بینی ریزش مشتری ، یادگیری عمیق ، شبکه عصبی کانولوشن گراف ، پیش بینی مبتنی بر گراف