پیش بینی ماندگاری مشتریان باشگاه های ورزشی با استفاده از الگوریتم نزدیکترین همسایه

تکنیک داده کاوی با افزایش داده های جامع که با موفقیت در مناطق مختلف مورد استفاده قرار می گیرد، ما را قادر می سازد تا دانش پنهان را برای تاثیرگذاری بر خدمات ورزشی پیدا کنیم. تمرکز پژوهش حاضر با استفاده از الگوریتم نزدیکترین همسایه (KNN)، بر پیش‎بینی ماندگاری مشتریان باشگاه های است. جامعه آماری این مطالعه توسعه ای-کاربردی مربوط به ۷۲۴ ورزشکار بود که در فراخوان اینترنتی (واتس آپ، اینستاگرام، تلگرام و ...) با تکمیل پرسشنامه در پژوهش حاضر شرکت نمودند. بعد از حذف پرسشنامه های فاقد شرایط نهایتا تعداد ۵۳۷ ورزشکار در رده سنی ۲۰ تا ۶۰ سال در پژوهش حاضر شرکت نمودند. پرسشنامه الکترونیکی، ناشناس و محقق ساخته دارای ۷۵ عامل مربوط به رضایت مندی مشتریان بود، که بر اساس بازخورد دریافتی، تغییرات متعددی در پرسشنامه ایجاد گردید و نهایتا ۱۸ عامل به عنوان عوامل اصلی ریزش یا ماندگاری مرتبط با امکانات و شرایط سالن های ورزشی انتخاب شدند. روایی صوری پرسشنامه توسط ۵ نفر از اساتید دانشگاه و متخصص در حوزه مرتبط بررسی شد. نتایج نشان داد الگوریتم KNN می تواند با دقت ۴/۷۳ % درصد و صحت ۶/۷۱ % درصد ماندگاری مشتریان سالن ورزشی خصوصی که تکرار خرید دارند را پیش بینی کند. این مطالعه نشان داد با کشف الگوها و روابط پنهان در داده ها، احتمالا به درستی می توان از این الگوریتم برای بهبود کیفیت مدیریت اماکن ورزشی جهت جلوگیری از ریزش و ماندگاری بیشتر استفاده کرد.

Keywords:

باشگاه های ورزشی , پیش بینی , الگوریتم KNN , ماندگاری