کسب دانش مبتنی بر داده کاوی برای پیش بینی وفاداری مشتریان در بستر شبکه های اجتماعی

در این مقاله ابتدا با مرور ادبیات انجام شده در زمینه پیش بینی وفاداری روی گردانی مشتریان، به ارائه چارچوبی برای پیش بینی وفاداری مشتریان با ارزش پرداخت و سپس با استفاده از داده های مربوط به یک شرکت واقعی به پیاده سازی چارچوب و بیان نتایج حاصل از آن خواهیم پرداخت. این چارچوب از دو فاز تشکیل شده است، تازه شناسایی مشتریان باارزش و فاز ساخت مدل پیش بینی وفاداری . یکی از داوری های موجود در این چارچوب، در نظر گرفتن ارزش شبکه هر مشتری در کنار ارزش طول عمر مشتری برترین مشتریان باارزش است. بدین ترتیب که علاوه بر متغیرهای سنتی CRM ، به غیر های از شبکه نمای مشتری در خوشه بندی مشتریان مورد استفاده قرار می گیرد. دلیل وارد نمودن چنین متغیرهایی وجود پدیده هایی چون پیام کلامی یا همان WOM است. سودآوری یک مشتری تنها معیار با ارزش بودن آن نیست یک مشتری روی گردان کم ارزش از لحاظ سودآوری ولی دارای جایگاه بالا از لحاظ تأثیرگذاری در یک شبکه اجتماعی، ممکن است انتشار پیام کلامی منفی در مورد شرکت بپردازد و در نتیجه باعث روی گردانی چندین مشتری دیگر شود. فاز دوم چار چوب پوسیده مراحل ساخت مدل پیش بینی و وفاداری مشتریان باارزش می پردازد. از نوآوری های این تحقیق، بررسی کارایی تکنیک های نوروفازی در پیش بینی روی گردانی است که کارایی بهتری از لحاظ دقت پیش بینی نسبت تکنیک شبکه عصبی از خود نشان دادند. همچنین در این تحقیق برای اولین بار از یک متر داده کاوی و مبتنی بر الگوریتم بهینه سازی اجتماع مورچگان برای عملیات پیش بینی وفاداری مشتری استفاده شد.

کلیدواژه ها:

کشف دانش ، داده کاوی ، بهینه سازی ، پیش بینی ، وفاداری مشتری ، شبکه اجتماعی