تهمینه غلامی - دانشجوی کارشناسی ارشد گروه فناوری اطلاعات دانشگاه آزاداسلامی واحد سپیدان،ایران
مهدی گلشن - عضوهیات علمی گروه کامپیوتردانشگاه آزاداسلامی واحدسپیدان ،ایران

طی سالهای اخیر پیش بینی ریزش مشتری به یکی از مسایل مهم حوزه ی کسب و کار تبدیل شده است. با توجه به اینکه برنامه ریزیبرای حفظ تمام مشتریان پرهزینه است، لذا فقط مشتریان بالقوه برای ریزش مورد بررسی و پیش بینی قرار می گیرند تا واحد حفظ مشتری،استراتژی مناسبی برای نگهداری آنها ارایه دهد. با استفاده از تکنیک های داده کاوی کارهای گسترده ای در حوزه پیش بینی ریزش مشتری انجام شده است. تکنیک های طبقه بندی پرکاربردترین تکنیک ها در این حوزه هستند. عمده ی روشهای قبلی فقط از اطلاعاتشخصی مشتریان برای پیش بینی ریزش استفاده می کردند.ریزش و از دست دادن مشتری بعنوان یک مساله مهم و بحرانی در مدیریت ارتباط با مشتری (CRM) پدیدار شده است. اخیرا تکنیک های داده کاوی به دلیل توانایی آن ها در استخراج الگوهای رفتاری پنهان شده مشتریان از بانک های اطلاعاتی بزرگ، در زمینه تحلیل مشتریان بکار گرفته شده اند و امروزه روش های داده کاوی می تواند به پیش بینی رفتار مشتریان در سازمان های مختلف بپردازد. پیش بینی ریزش مشتریان با استفاده از الگوریتم های داده کاوی سازمان ها را قادر به حفظ و نگهداری مشتریان قدیم و جذب مشتریان جدید خواهد کرد. با اعمال فرآیند داده کاوی، می توان طی کاوش در پایگاه های داده ی حجیمی از تعاملات ثبت شده ی سازمان با مشتریان، به استخراج الگوهایی برای پیش بینی رفتار ریزش مشتری نائل آمد و مدیران را در اخذ تصمیمات لازم برای حفظ این مشتریان و کاهش روند ریزش آنان یاری داد. یکی از معیارهای پیش بینی ریزش مشتریان بر اساس بررسی روند رفتار آن ها در مدت ارتباط با سازمان، مقایسه تعداد روز سپری شده از آخرین سفارش نسبت به بزرگ ترین فاصله زمانی ثبت سفارش توسط وی است. این پارامتر می تواند به عنوان معیاری برای پیش بینی ریزش مورداستفاده قرار گیرد.

داده کاوی-ریزش مشتریان-تکنیک ها-فرایند