بانک ها در فضای رقابتی شدید تلاش می کنند تا به منابع مالی بیشتری دست پیدا کنند. با توجه به بالاتر بودن هزینه های جذب مشتری جدید نسبت به نگهداری مشتریان موجود، عمده تلاش بانک ها روی حفظ سپرده های موجود مشتریان در بانک متمرکز است. لذا پیش بینی رویگردانی مشتریان پیش از وقوع برای بانک ها از اهمیت ویژه ای برخوردار است. تقریباً در تمامی تحقیقات مرتبط در بانک ها مشتریان به دو دسته رویگردان و غیر رویگردان با یک تعریف ثابت از رویگردانی تقسیم شده اند؛ اما در شرایط بانکداری ایران نمی توان از یک تعریف ثابت برای رویگردانی استفاده نمود؛ بنابراین لازم است که رویگردانی را به صورت دینامیک و در قالب وضعیت های مختلف تعریف کنیم. برای این منظور در این تحقیق مفهوم زنجیره وضعیت معرفی می شود که تغییرات وضعیت رویگردانی جزئی مشتریان طی زمان را مشخص می کند. با به کارگیری این زنجیره ها و استفاده ترکیبی از تکنیک های خوشه بندی سلسله مراتبی و همچنین ماشین های بردار پشتیبان، مدلی برای پیش بینی رویگردانی جزئی مشتریان بانک ها ساخته شد. برای ساختن نمونه عملی و ارزیابی دقت پیش بینی، پنج سال داده های واقعی مشتریان یک بانک اروپایی و همچنین سه سال داده های مشتریان سه بانک ایرانی مورد استفاده قرار گرفتند. نتایج حاکی از دقت بالای پیش بینی در مدل های ساخته شده روی هر چهار بانک به خصوص با افزایش طول زنجیره های وضعیت در داده های آزمون است.
