پيش بيني ريزش مشتري با استفاده از شبكه عصبي كانولوشن گراف به منظور بهبود تجربه مشتريان

Customer churn prediction using convolutional neural networks for enhancing customer experience

پديده ريزش مشتري به عنوان يكي از چالش هاي اساسي كسب‌وكارها مطرح است. امروزه توانايي پيش بيني ريزش مشتري با استفاده از تكنيك هاي پيشرفته تحليل داده، به دليل اهميت آن مورد توجه واقع شده است. پيش بيني ريزش مشتر ي يكي از مسائل مهم در كسب وكارها است كه ميتواند منجر به ارائه خدمات بهتر و افزايش سودآوري شود. با استناد به تحقيقات انجام شده روش هاي مختلفي براي پيش بيني نرخ ريزش مشتري با استفاده از داده هاي تاريخي و رفتاري مشتريان ارائه شده است. اما، از تكنيك هاي گرافي پيشرفته برا ي مدل ساز ي و تجزيه و تحليل رفتار مشتريان براي پي ش بيني ريزش مشتريان به ندرت استفاده شده است. در تحقيق حاضر، با بهره‌گيري از شبكه كانولوشن گراف، يك روش نوين براي پيش بيني ريزش مشتريان ارائه شده است. اين روش، با مدل سازي روابط مشتريان به عنوان يك ساختار گراف، از تحليل پويا شبكه در زمان و استفاده از ويژگي‌هاي هر مشتري به عنوان نودهاي گراف برا ي بهبود پيش‌بيني ريزش مشتريان استفاده مي‌كند. اين چارچوب روابط بين مشتريان را به عنوان يك ساختار گراف مدل كرده و رفتار هر مشتر ي را به عنوان يك دنباله زماني از متغيرها ي تازگي خريد، تعداد خريد، مبلغ خريد و هزينه مشتري به عنوان ويژگي هاي هر نود گراف مشتريان در نظر مي‌گيرد. در نهايت، از الگوريتم شبكه عصبي كانولوشن گراف برا ي تحليل گراف مشتريان و شناسايي مشتريان در معرض ري زش استفاده مي شود. داده هاي مورد استفاده در اين تحقيق مربوط به داده هاي تراكنشي يك شركت خدمات پرداخت در طي دوره سي‌وشش ماه مي باشد آزمايشات و ارزيابي‌ها بر روي اين مجموعه داده نشان ميدهد كه اين رويكرد علاوه بر بهبود عملكرد در مقايسه با الگوريتم‌هاي رايج و بهبود دقت و ضريب همبستگي متيوز، ميتواند منجر به افزايش بهره‌وري و رضايتمندي مشتريان شود.