شناسایی و اولویت بندی عوامل اثرگذار بر ریزش مشتریان در فروشگاه های آنلاین مبتنی بر رویکرد داده کاوی

با اشباع شدن بازار در فروشگاه های آنلاین و داغ شدن رقابت بین فروشگاه های اینترنتی جلوگیری از ریزش مشتریان به دغدغه اصلی مدیران فروشگاه های آنلاین تبدیل شده است. هزینه به دست آوردن مشتریان جدید در حال افزایش است زیرا رقبای بیشتری با هزینه های اولیه قابل توجه و استراتژی های نفوذ پیشرفته به بازار وارد شده و حفظ مشتری را برای این کسب وکارها ضروری کرده است. بهترین اقدام در این شرایط شناسایی مشتریان بالقوه و جلوگیری از سرگردانی با اقدامات نگهداری است. در این پژوهش با استفاده داده های مشتریان یک فروشگاه آنلاین ازجمله تعداد خرید انجام شده ارزش خریدهای انجام شده سن مشتریان بازخوردهای داده شده به تخفیف ها و سایر موارد به ساخت مدل ترکیبی مبتنی بر رویکردهای داده کاوی برای شناسایی عوامل موثر در ریزش مشتریان پرداخته شده است. جهت ساخت مدل در مرحله نخست با استفاده از الگوریتم رگرسیون لجستیک ویژگی های دارای اهمیت بالاتر برای مسئله شناسایی و در مرحله دوم برای دسته بندی مشتریان از الگوریتم های درخت تصمیم و شبکه عصبی بهره گرفته شده است. درنهایت الگوریتم ترکیبی رگرسیون لجستیک و الگوریتم های درخت تصمیم با دقت پیش بینی ۹۸/۹۵ درصد به عنوان بهینه ترین مدل شناخته و با توجه به آن ۱۰ ویژگی ثبت شکایت، پلتفرم ورودی، تخفیف ویژه، نوع تخفیف، مبلغ سفارش، ثبت نظر، روش پرداخت، ارجاع توسط دیگران، سن و تعداد سفارش ها به عنوان مهم ترین عوامل در ریزش مشتریان شناخته شد. در پایان این پژوهش با توجه به نتایج به دست آمده راهکارهایی کاربردی جهت جلوگیری از ریزش مشتریان ارائه شده است که می تواند به مدیران جهت جذب مشتریان کمک شایانی نماید.