رویگردانی مشتریان

 در این پژوهش سعی شده است میان دو دسته داده های جمعیت شناختی  و داده های حاصل از تراکنش مشتریان در مدل RFM پیشنهادی ارتباط برقرار شود که شاخص رویگردانی نیز در آن لحاظ شده است. بدین منظور، در ابتدا داده های تراکنش در بازه چهارساله مشتریان یک شرکت خدمات اینترنتی فراهم شده و سپس با استفاده از روش k-means به خوشه بندی آن ها پرداخته شده است. نتایج تحقیق بیانگر این است که سه فاکتور کیفیت خدمت، تصدیق انتظارات و رضایت پس از خرید به عنوان فاکتورهای معنادار در رفتار خرید مشتریان محسوب می گردند. در ادامه جهت کاوش ارتباط میان فاکتورهای ذهنی مشتریان و طبقه بندی آن ها با استفاده از قواعد انجمنی مبتنی بر الگوریتم GRI به ارائه راهبرد و برنامه عملیاتی برای هر طبقه از مشتریان پرداخته شده است. سپس با استفاده از تحلیل واریانس یک طرفه وجود تفاوت میان طبقه های مختلف مشتریان بررسی شده است. نتایج حاصله بیانگر آن می باشند که فاکتور تصدیق انتظارات و رضایت پس از خرید در ایجاد وفاداری مشتریان نقش عامل بهداشتی و فاکتور کیفیت خدمت در ایجاد وفاداری مشتریان نقش عامل انگیزشی را ایفا می نماید.

مشتریان منبع اصلی درآمد و دارایی مهم برای هر سازمان هستند. با این دیدگاه، امروزه شرکت ها تلاش بیشتری را برای حفظ مشتریان موجود آغاز کرده اند. از آنجا که در بسیاری از شرکت ها هزینه به دست آوردن مشتری جدید بسیار بالاتر از هزینه ایجاد رضایتمندی مشتری فعلی است، رویگردانی مشتری به حوزه اصلی نگرانی این شرکت ها تبدیل شده است. لذا شرکت های مبتنی بر مشتری از جمله شرکت های فعال در صنعت مخابرات به دلیل رویگردانی مشتریان با چالش بزرگی روبرو هستند. با توسعه سریع صنعت مخابرات، پیش بینی رویگردانی به عنوان یکی از فعالیتهای اصلی در به دست آوردن مزیت رقابتی در بازار محسوب می شود. پیش بینی رویگردانی مشتری به اپراتورها اجازه می دهد تا قبل از مهاجرت مشتریان فعلی به اپراتورهای دیگر، یک دوره زمانی برای اصلاح و اجرای یک سری اقدامات پیشگیرانه داشته باشند. در این پژوهش یک سیستم پشتیبانی تصمیم برای پیش بینی و تخمین رویگردانی مشتریان شرکت مخابرات استان کردستان (دارای 529000 مشترک) با روش های مختلف داده کاوی و یادگیری ماشین (شامل رگرسیون خطی چندگانه (MLR)، رگرسیون چند جمله-ای(PR)، رگرسیون لجستیک، شبکه های عصبی مصنوعی، آدابوست و جنگل تصادفی) ارایه شده است. نتایج ارزیابی های انجام شده بر روی مجموعه داده های شرکت مخابرات استان کردستان عملکرد بالای روش های شبکه های عصبی مصنوعی با دقت 99.9% ، آدابووست با دقت 100% و جنگل تصادفی با دقت 100% را نشان می دهد.