عنوان پایان‌نامه
توسعه چارچوب مدیریت ریزش مشتری با استفاده از تکنیک های ترکیب اطلاعات و داده کاوی
- رشته تحصیلی
- مهندسی فناوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 47650;کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1830;کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1830
- تاریخ دفاع
- ۲۷ بهمن ۱۳۸۹
- دانشجو
- جواد بصیری
- استاد راهنما
- فتانه تقی یاره
- چکیده
- در بازار تنگاتنگ رقابتی، استراتژی حفظ مشتریان کنونی یکی از رموز بقای سازمان است. لذا به منظور پیشگیری از رویگردانی مشتریان و شناسایی رویگردانان احتمالی، راهکارهای گوناگونی در این عرصه ارایه گردیده است. هدف اصلی این رساله بهبود دقت مدل پیش¬بینی در سیستم¬های مدیریت رویگردانی مشتری است و در این راستا دو راهکار جدید مبتنی بر یک الگوریتم رده¬بندی و یک روش ترکیبی، پیشنهاد شده است. راهکار نخست مربوط به ابداع روش رده¬بندی جدیدی تحت عنوان CORER می¬باشد. راهکار دوم مربوط به بهره¬گیری از مفهوم ترکیب اطلاعات برای بهبود مدل پیش¬بینی چارچوب مدیریت رویگردانی مشتری است. چارچوب مذکور در سال 2009 به منظور رفع نیازمندی¬های مدیریت رویگردانی مشتری ارایه گردیده است. ارزیابی چارچوب بهبودیافته و نیز بررسی جامع ارتباط بین اجزای این چارچوب، با بکارگیری داده¬های یک شرکت مخابراتی صورت گرفته است. در این پژوهش، با بکارگیری عملگر ترکیب OWA در چارچوب مدیریت رویگردانی مشتری موفق شدیم به نتیجه¬ای مطلوب¬تر در مقایسه با بهترین نتیجه موجود بر روی داده¬های مذکور دست یابیم. بهترین نتیجه پیشین مربوط به بکارگیری الگوریتم Boosting بوده که در سال 2006 بدست آمده است. از سوی دیگر نتایج پیاده¬سازی¬ الگوریتم CORER روی داده¬های مدیریت رویگردانی مشتری نیز حاکی از برتری آن نسبت به بهترین الگوریتم¬های موجود در این زمینه بوده است. برای ارزیابی الگوریتم CORER و نشان دادن قابلیت روایی این الگوریتم در عرصه¬های مختلف از مجموعه داده¬های استاندارد سنجش الگوریتم¬های رده¬بندی استفاده شده است. نتایج حاصل نشان¬دهنده عملکرد مناسب این الگوریتم¬ در عرصه¬های بکارگرفته شده است. راه حل¬های مدیریت ارتباط با مشتری با بکارگیری نتایج دقیق این پژوهش، به همراه سایر تکنیک¬های داده¬کاوی، می¬توانند با دقت بیشتری رویگردانان احتمالی را شناسایی و راهکارهای مناسبی را در جهت جلوگیری از این رفتار ارایه دهند.
- Abstract
- In the new customer centric competitive market, retaining existing customers is the best core marketing strategy to survive. Many churn management models have been developed over the years to predict the churners and manage them. To improve the prediction accuracy of churn management systems, we have proposed two new approaches. First, a new rule generator classifier called CORER (Colonial cOmpetitive Rule-based classifiER) has been proposed. Second, using data fusion concept, we have tried to improve the prediction model of Churn Management Framework (CMF). In 2009, CMF has been presented to cover most of the requirements of a churn management system. To evaluate the improved framework and to validate the relationship between the different parts of this framework, the experiments have been done using the data of a major U.S. Telecommunication Company. The OWA operator improved the accuracy of our predicting method and the result is superior to the best existing result in the literature of the churn management. Furthermore, to evaluate the performance of our new classifier, CORER, we compared our results with some other well-known classification methods in the churn management field which brings about superior results. In order to approve the CORER capability in various domains, five different datasets from UCI machine learning database repository have been applied. Our findings lead us to believe that CORER may provide better performance for some critic domains which need more precise classifiers. CRM solutions may apply these precise predictions, accompanying with other mining techniques to drive more effective campaign management to decrease churn rate.
