دسته بندی سرویس های مشتریان به لحاظ سطح استفاده از خدمات شبکه شتاب با استفاده از مدل های ترکیبی

با تجهیز بانک ها به سیستم های پرداخت و دریافت الکترونیکی و استفاده از کارت های اعتباری، مشتریان اکثر تعاملات بانکی خود را از طریق کارت های اعتباری و کانال های اعتباری نظیر دستگاه های خودپرداز ATM، پایانه های فروش POS، تلفن بانک، موبایل بانک و اینترنت بانک انجام می دهند. مشتریان با افزایش تعداد بانک ها و محصولات و خدمات آنان، زمانی که خدمات و محصولات بهتری پیدا کنند، به راحتی بانک خود را تغییر می دهند؛ بنابراین، مدیریت ارتباط با مشتری یک انتخاب اجتناب ناپذیر برای بانک هاست. یکی از ابزار هایی که در زمینه مدیریت ارتباط با مشتری می تواند به سازمان ها کمک کننده باشد، داده کاوی است. در این تحقیق برای شناسایی خدمات سودآوری که توسط مشتریان خوب مورد استقبال قرار گرفته اند، چهار روش داده کاوی درخت تصمیم، بیز ساده، K همسایه نزدیک و مدل ترکیبی استفاده شدند. هر یک از این روش ها بر روی داده های واقعی، آزمایش و کارایی هر روش سنجیده شد. نتایج ارزیابی مدل ها نشان داد که دقت مدل K همسایه نزدیک در شناسایی خدمات سودآور ۲۶/۹۳ درصد، دقت مدل بیز ۸۳/۷۴ درصد و دقت مدل درخت تصمیم ۱۸/۹۷ درصد است و پس از ترکیب مدل ها، دقت روش ترکیبی۸۰/۹۴ درصد شده است. همچنین مدل ترکیبی ۰۱/۹۶ درصد از خدمات عادی را درست شناسایی کرده و در مجموع ۴۴/۹۴ درصد از خدمات را به درستی تشخیص داده است و عملکرد بهتری نسبت به روش بیز ساده و K همسایه نزدیک داشته است. از مقایسه نتایج ارزیابی مدل ها مشخص شد که استفاده از روش های ترکیبی در مقایسه با روش های دسته بندی مبتنی بر یک مدل، از دقت بیشتری برخوردار است.

Keywords:

دسته بندی تجمیعی , بیز ساده , درخت تصمیم , K همسایه نزدیک , رای گیری