توسعه رویکرد دومرحله ای جدید برای پیش بینی رویگردانی مشتری در صنعت بانکیمبتنی بر شبکه عصبی مصنوعی و بهینه سازی چندهدفه

حفظ و نگهداشت مشتری از مهمترین محورهای مدیریت ارتباطات مشتری به عنوان راهبردی کلیدی در توسعه و موفقیت کسب و کار به شمار میرود و از این روی اتخاذ سیاست های مناسب برای نگهداشت مشتریان، از اهمیت بالا برای متولیان کسب و کار برخوردار است. بر این اساس، در این مقاله یک ساختار ترکیبی جدید به صورت دو مرحله ای و مبتنی بر شبکه عصبی مصنوعی، برای پیش بینی رویگردانی مشتری در صنعت بانکی ارائه گردید که در فاز انتخاب مشخصه از الگوریتم چندهدفه NSGAII برای بهینه سازی همزمان دو هدف دقت پیشبینی و تعداد مشخصه انتخابی بهره میگیرد. مرز بهینه پارتو به دست آمده از مرحله انتخاب مشخصه به عنوان ورودی فاز آموزش در نظر گرفته شده و برای آموزش شبکه نیز از الگوریتم رقابت استعماری (ICA) استفاده گردیده است. برای پیاده سازی مدل پیشنهادی، مجموعه داده مربوط به تراکنش های کارت اعتباری یک بانک آلمانی در نظر گرفته شده و برای اعتبارسنجی و ارزیابی کارایی آن، روش شبکه عصبی مبتنی بر تحلیل مؤلفه اصلی (PCA) مبنای مقایسه قرار گرفته است. مبتنی بر نتایج حاصله، اثربخشی و کارایی معنی دار روش پیشنهادی در مواجه با مسأله پیش بینی رویگردانی مشتری از ابعاد دقت پیش بینی، کاهش ابعاد مسأله و امکان تفسیرپذیری ویژگی های تأثیرگذار، به اثبات رسیده و درنهایت ویژگی های مؤثر در رویگردانی مشتریان بانکی اولویت بندی گردیدهاند.

کلیدواژه ها:

پیش بینی رویگردانی مشتری ، شبکه عصبی مصنوعی ، بهینه سازی چندهدفه ، الگوریتم رقابت استعماری ، صنعت بانکداری