فیروزه مولودی - دانشجوی کارشناسی ارشد مهندسی صنایع، دانشگاه فردوسی مشهد
حمیدرضا کوشا - استادیار مهندسی صنایع، دانشکده مهندسی، دانشگاه فردوسی مشهد

شناخت نیازهای مشتریان و پیش بینی رفتار آنها از جمله دغدغه های سازمان ها در بازار رقابتی امروز شده است. بااین حال، برخی از مشتریان به دلایل معلوم یا نامعلوم سیستم را ترک می نمایند. پیش بینی درست مشتریان رویگردان یا به عبارتی پیش بینی صحیح موقعیت مشتری سازمان در هر دوره زمانی می تواند نقش بسزایی در مدیریت هزینه هایسازمان داشته باشد. هدف این پژوهش، کاهش ضرر وارده به سازمان از طریق پیش بینی صحیح مشتریان رویگردان است. به منظور رسیدن به این هدف پس از پیش پردازش داده ها در دوره های زمانی شش ماهه، سه دسته وفادار،درآستانه رویگردانی و رویگردان تعریف شد و تراکنش های مشتریان در هر ماه به یکی از این سه دسته تخصیص پیدا نمود. این نوع سطح بندی جایگاه مشتری در هر دوره زمانی در سه حالت، از جمله نوآوریهای این پژوهشاست. سپس، با استفاده از تکنیک های دسته بندی چون درخت تصمیم، جنگل تصادفی، بیزی، شبکه عصبی،رگرسیون لجستیک و ماشین بردار پشتیبان، میزان صحت و کارایی مدل پیشنهادی در دو حالت سه دسته ای و دودسته ای بررسی شد. برای تعیین میزان کارایی مدل سه دسته ای در مقایسه با حالت دو دسته ای از معیارهایی چون صحت، دقت، فراخوانی و هزینه مدل استفاده شد. نتایج حاصل شده نشان دهنده کارا و کم هزینه تر بودن مدل پیشنهادی نسبت به حالت دو دسته ای است. در هر دو حالت روش ماشین بردار پشتیبان کمترین هزینه را داشته است.مجموعه داده ای که مدل پیشنهادی ذکرشده روی آن پیاده سازی شد، مربوط به بانک سینا است

دسته بندی، رویگردانی مشتری، وفاداری مشتری، تمایل به رویگردانی، چند دسته ای