فرشته علی بیگی نژاد - دانشجو، کارشناسی ارشد، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد سیرجان، ایران
محمدصادق حاج محمدی - استادیار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد سیرجان، ایران

از دیدگاه مدیریت ریسک و اقتصاد، تشخیص مشتریانی که ریزش آنها مخاطره زیادی دارد، بسیار مهم و قابل توجه است. اطلاعات موجود در سوابق مشتریان، اعم از مشتریان وفادار و ریزش شده، مبنایی برای پیش گویی رفتار آینده مشتریان است. اگر بتوان بر اساس اطلاعات مربوط به ویژگی های مشتریان، احتمال ریزش یا عدم آن را پیش بینی کرد، می توان با انجام فعالیت های بازدارنده، ریزش آنها را به حداقل رسانید. به منظور پیش بینی ریزش مشتری، روشهای گوناگون آماری و داده کاوی برای رده بندی وجود دارند. در این پژوهش جهت بهبود کارایی پیش بینی میزان ریزش مشتری درشبکه های اجتماعی باتحلیل داده کاوانه از شبکه های عصبی تابع پایه شعاعی و رگرسیون استفاده شده است. همچنین از شبکه اجتماعی توئیتر جهت ارزیابی رویکرد پیشنهادی استفاده شد. پس از شبیه سازی رویکرد پیشنهادی در نرم افزار تلب نتایج نشان داد که رویکرد پیشنهادی از سهولت استفاده بالایی برخوردار است همچنین رویکرد ترکیبی پیشنهادی از دقت بالای نسبت به سایر روش ها برخوردار بود.

شبکه عصبی، داده کاوی، رگرسیون، شبکه اجتماعی