پ.م.3024

Predicting the loss of customers in e-commerce using deep neural network (case study: Lorestan province's convenience store, Aliguderz city branch)

كارشناسي ارشد

مديريت كسب ‌و كار- بازاريابي

پبام نور كرج

1402

1402/03/07

عالي

نيك منش، شمس الدين

-

customer relationship management , data-driven marketing , customer churn

پ استاد راهنما مركز كرج

امروزه مشتري جايگاه ويژه‌اي نزد بنگاه‌هاي اقتصادي دارد و ايشان روي به مشتري‌مداري آورده‌اند. مشتري‌مداري يعني قرار دادن مشتري به عنوان هدف، محور و مركز توجهات سازمان و انجام هر عملي كه نيازهاي او اعم از آشكار و پنهان را برآورده سازد. دير زماني‌ست كسب‌وكارهاي جهاني مجموعه كلاني از داده‌هاي مشتريان را ايجاد كرده‌اند كه تراكنش‌هاي فروش، سوابق تجاري سهام، توصيف‌هاي محصولات، ترويج‌هاي فروش، عملكرد و پروفايل شركت‌ها و بازخورد مشتريان را شامل مي‌شود. جمع‌آوري اين اطلاعات در كسب‌وكارهاي تجارت الكترونيك به دليل ديجيتالي بودن فرآيندها سريع‌تر و آسان‌تر است. يكي از كاربردهاي تحليل اين داده‌ها، پيش‌بيني ريزش مشتريان است. اين پژوهش با استفاده از الگوريتم‌هاي داده‌كاوي به كسب‌وكارهاي تجارت الكترونيك كمك مي‌كند كه ريزش مشتريانشان را پيش‌بيني كنند و سپس راهكارهاي بازاريابي براي جلوگيري از اين ريزش ارائه مي‌دهد. داده‌هاي استفاده شده در اين پژوهش 20869 نمونه از اطلاعات مشتريان فروشگاه رفاه شعبه اليگودرز استان لرستان است. يكي از مدل‌هاي ساده و در عين ‌حال قدرتمند در پياده‌سازي مديريت ارتباط با مشتري مدل RFM است. اين مدل يكي از متدهاي كارآمد و معروف در توليد ارزش مشتري است و نقطه قوت آن در اين است كه خصوصيات مشتريان را با تعداد معيار (تنها سه بعد) به كمك متدهاي خوشه‌بندي استخراج مي‌كند. براي تحليل داده‌ها از متغيرهاي RFM و دسته‌بندهاي شبكه عصبي عميق CNN، شبكه عصبي، و رگرسيون لاجستيك استفاده شد كه با دقت در نتايج مشاهده مي‌شود شبكه عصبي عميق پيچشي (CNN) درمجموع دقت بيشتري نسبت به ساير مدل‌ها نشان داد.

75580