اخذ مجوز از وزارت فرهنگ و ارشاد اسلامی به شماره ثبت 91917 مورخ 1401/04/20
فصلنامه "پژوهش های نوین در شهرهوشمند " در سیویلیکا نمایه میشود.
فصلنامه " پژوهش های نوین در شهرهوشمند" در magiran نمایه میشود.
فصلنامه "پژوهش های نوین در شهرهوشمند" در SID نمایه میشود.
دسترسی آزاد به مقالات فصلنامه "پژوهش های نوین در شهرهوشمند "
COPE
سامانه مشابهت یاب علمی ( سمیم نور)
سامانه مشابهت یاب علمی ( ایرانداک)
استخراج ویژگیهای مناسب جهت تحلیل رفتار و پیشبینی دلایل ریزش مشتریان بانکها
دوره 3، شماره 1، 1403، صفحات 29 - 49
1 کارشناسی ارشد، دانشکده فنی و مهندسی، گروه مهندسی کامپیوتر-نرم افزار، دانشگاه خواجه نصیر، تهران، ایران.
چکیده :
بررسی وفاداری مشتریان، همواره از دغدغهها و چالشهای بانکهای داخلی به شمار میرود چراکه چرخه حیات آنها به وفاداری مشتریان بستگی دارد. پژوهشهای متفاوتی در زمینه بررسی وفاداری مشتریان بانکها و مؤسسات مالی و تجاری انجام شده است. در این پژوهش نیز روش دادهکاوی و پنج الگوریتم ماشین بردار پشتیبان، نایوبیز، MLP، درخت تصمیم و رگرسیون لجستیک در تشخیص وفاداری مشتریان بانک داخلی مورد ارزیابی قرار گرفت. همچنین از سه معیار دقت، صحت و فراخوانی برای مقایسه نتایج بهدستآمده استفاده گردید. دادههای مورد استفاده در این پژوهش از یک بانک داخلی جمعآوری شد که شامل 15 معیار برای ارزیابی وفاداری مشتریان به این سازمان بود. نتایج نشان داد که در بین پنج الگوریتم ارائهشده، بهترین عملکرد مربوط به درخت تصمیم و بدترین عملکرد نیز مربوط به الگوریتم رگرسیون لجستیک است. درنهایت برای بهبود عملکرد از تلفیق شبکه عصبی با الگوریتم بهینهسازی معلم دانشآموز استفاده شد تا بتوان از نتایج بهتری برای تشخیص مشتریان وفادار استفاده نمود.
بررسی وفاداری مشتریان، همواره از دغدغهها و چالشهای بانکهای داخلی به شمار میرود چراکه چرخه حیات آنها به وفاداری مشتریان بستگی دارد. پژوهشهای متفاوتی در زمینه بررسی وفاداری مشتریان بانکها و مؤسسات مالی و تجاری انجام شده است. در این پژوهش نیز روش دادهکاوی و پنج الگوریتم ماشین بردار پشتیبان، نایوبیز، MLP، درخت تصمیم و رگرسیون لجستیک در تشخیص وفاداری مشتریان بانک داخلی مورد ارزیابی قرار گرفت. همچنین از سه معیار دقت، صحت و فراخوانی برای مقایسه نتایج بهدستآمده استفاده گردید. دادههای مورد استفاده در این پژوهش از یک بانک داخلی جمعآوری شد که شامل 15 معیار برای ارزیابی وفاداری مشتریان به این سازمان بود. نتایج نشان داد که در بین پنج الگوریتم ارائهشده، بهترین عملکرد مربوط به درخت تصمیم و بدترین عملکرد نیز مربوط به الگوریتم رگرسیون لجستیک است. درنهایت برای بهبود عملکرد از تلفیق شبکه عصبی با الگوریتم بهینهسازی معلم دانشآموز استفاده شد تا بتوان از نتایج بهتری برای تشخیص مشتریان وفادار استفاده نمود.
کلمات کلیدی :
وفاداری مشتریان، دادهکاوی، درخت تصمیم، بانک
وفاداری مشتریان، دادهکاوی، درخت تصمیم، بانک
-
13
-
2
-
1403/06/12
-
1404/08/01
-
1403/08/25