پیش بینی ریزش مشتری با استفاده از درخت مدل خطی محلی برای شرکت های مخابراتی ایرانی

برای برنده بودن در رقابت جهانی، شرکت ها نیازمند بازشناسی و پایش رفتار مشتریانشان هستند تا رفتار و خواسته های آنها را زودتر از رقبایشان برآورد کنند. این تحقیق به دنبال شناسایی ویژگی هایی است که ما را به تحلیل ریزش مشتری سوق می دهد. به همین منظور، رفتار 3150 مشتری یکی از اپراتورهای مخابراتی ایرانی در طول یک سال شناسایی شده است و روند تغییرات آنها با استفاده از یک مدل LLNF خصوصی سازی شده تحلیل شده است. برای انجام این امر، الگوریتم درخت مدل خطی محلی (LOLIMOT)، که مزایای شبکه های عصبی مدل درخت تصمیم گیری و مدل های فازی را درخود جای داده است، به کار گرفته شده است. نتایج بیانگر آن است که نارضایتی مشتری، استفاده مشتری از خدمات و ویژگی های آماری وی تاثیر روشن و معنی داری بر تصمیم وی برای ماندن در سیستم و یا خروج از سیستم دارد. علاوه بر این، فعال بودن یا غیر فعال بودن وضعیت اشتراک مشتری تاثیر میانجی گرانه در باقی ماندن یا ریزش وی از سیستم دارد.