عنوان پایان‌نامه
تدوین و طراحی چهارچوب سیستم مدیریت ریزش مشتری
- رشته تحصیلی
- مهندسی فناوری اطلاعات
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه دانشکده برق و کامپیوتر شماره ثبت: E1599;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 41702
- تاریخ دفاع
- ۱۹ مرداد ۱۳۸۸
- دانشجو
- امینه قربانی
- استاد راهنما
- فتانه تقی یاره
- چکیده
- چکیده در بازار کسب و کار امروزی رقابت بر سر نگهداری مشتریان سازمان می¬باشد. چراکه جذب مشتریان جدید بسیار هزینه¬بر تر از حفظ مشتریان کنونی است. سیستم¬ها و رویکردهای گوناگونی در این راستا ارائه گردیده که سعی در شناسایی مشتریان در حال ریزش و منصرف کردن آنها از ترک سازمان نموده¬اند. به دنبال یکپارچه¬سازی و مشخص نمودن نیازمندی¬های چنین سیستم¬هایی، در این پایان¬نامه چارچوبی کارآمد جهت مدیریت ریزش مشتری ارائه گردید و بخش¬های مختلف آن اعتبارسنجی شد. اثبات این چارچوب به کمک داده¬های یک شرکت مخابراتی انجام شد. علاوه بر آن، به منظور ایجاد زبانی مشترک و امکان استفاده مجدد از چنین سیستم¬هایی، آنتولوژی مدیریت ریزش مشتری نیز ارائه گردید. همچنین الگوریتم LOLIMOT برای اولین بار برای عملیات پیش¬بینی در کسب و کار و بازاریابی مورد آزمایش قرار گرفت. اجرای چارچوب مدیریت ریزش مشتری، سود قابل ملاحظه¬ای را نصیب سازمان کرده است. لذا ضرورت توجه به این مقوله را مورد تاکید قرار داده و از طرفی نشان می¬دهد که الگوریتم پیش¬بینی نمی¬تواند به تنهایی مانع ریزش مشتری و سودآوری در سازمان گردد. همچنین در راستای اجرای چارچوب ثابت شد که الگوریتم LOLIMOT در این مساله نیز مانند سایر مسائل می¬تواند جواب نزدیک به بهینه در پیش¬بینی ریزش مشتری داشته باشد. چارچوب مدیریت ریزش مشتری نتایج زیادی برای محققین، مدیران و تولید¬کنندگان نرم¬افزار در پی دارد. علاوه بر اینکه محققین به عرصه¬های مختلف تحقیقاتی در این مقوله پی می¬برند، مدیران می¬توانند از نتایج حاصل از ین چارچوب در تصمیم¬گیری¬های استراتژیک خود استفاده نمایند. مهم¬تر از همه، تولید¬کنندگان نرم¬افزار به نیازمندیهای چنین سیستم¬هایی واقف شده و نرم¬افزارهای مفیدتر و موثرتری تولید می¬نمایند. چارچوب مدیریت ریزش مشتری اولین چارچوبی است که در بحث ریزش مشتری ارائه گردیده و الگوریتم پیش¬بینی به کارگرفته شده نیز روشی نوین در این زمینه می¬باشد. همچنین به کارگیری آنتولوژی که اخیراً در کسب و کار رواج یافته، برای نخستین بار در زمینه مدیریت ریزش مشتری به کار رفته است.
- Abstract
- Acquiring new customers in any business is much more expensive than trying to keep the existing ones. Many churn management models have been developed over the years, mostly focusing on prediction accuracy and not considering the range of parameters and processes essential to manage the system as a whole. This study presents CMF (Churn Management Framework), a framework which covers all the requirement of a churn management system and provides a blueprint for the academics and practioners of the field. Also to find a common language for the developers of such systems and make sharing and reuse a practical action, we present the churn management ontology. As a third area covered in this research we introduce the Lolimot algorithm to the marketing literature and experiment its performance on churn prediction. This algorithm is found to improve prediction accuracy significantly compared to other algorithms, such as artificial neural networks, decision trees, and logistic regression. The results also indicate that LOLIMOT can have accurate outcome in extremely unbalanced datasets. Furthermore the results of CMF validation indicate that the analysis of churn reasons can have a positive impact on system efficiency. Also the preprocessing requirements of such model differ from other prediction systems thus requiring close attention. In conclusion, the profit gain of a company applying CMF is proved to be much higher than the profit gain from an ordinary churn prediction program. This research has many implications for academics, managers and practioners. While academics have a blueprint to cover areas of research related to this issue, managers can use CMF to make better decisions in their strategies. Even more practioners may apply CMF and the ontology to cover all the aspects of churn management and make more efficient and robust systems.
