ارائه سیستم توصیه گر مبتنی بر آنالیز عقاید جهت پیشنهاد خدمات شخصی سازی شده بانکی

حفظ مشتری یک مسئله مهم برای بانک ها می باشد. مسئله حاضر در حوزه یادگیری ماشین و مباحث آماری با تمرکز بر مشکل پیش بینی صحیح نیازهای مشتری و پاسخگویی به آن در محیط پویای بانک است. از آنجا که به ندرت حرکت موثری با بهره گیری از اقدامات شخصی سازی شده برای بهبود نرخ نگهداری مشتری انجام شده، با این حال، این تصمیمات حداقل به عنوان شناسایی صحیح مشتریان در معرض خطر ریزش بسیار مهم است. تصمیم گیری برای اقداماتی جهت ارائه خدمات خاص به مشتریان و شخصی سازی به طور معمول به مدیران منتهی می شود که آن ها تنها می توانند بر دانش خود تکیه کنند. با بررسی ادبیات علمی دربارهcrm ، این تحقیق مدلی را که می تواند برای تولید فعالیت های حفظ مشتری و بازاریابی در بانکداری شخصی استفاده شود، ارائه می دهد که شامل بررسی تحلیلی مشتریان و تولید اقداماتی در راستای نگهداری آن هاست و در آن تحلیلگران همچنین مجموعه ای از اقدامات شخصی سازی شده را برای حفظ مشتریان با استفاده از یکی از رویکردهای ارائه شده در این مقاله، با استفاده از یک سیستم توصیه گر با بهره گیری از عقاید و تجارب مشتریان ارائه خوهند داد.

Provide an Opinion AnalysisBased Recommender System for Personalized Personal Banking Services

Customer retention is an important issue for banks. This issue in the field of machine learning and statistical issues is focusing on the problem of accurately predicting customer needs and responding to it in the bank’s dynamic environment. Since rarely effective action has been taken by considering personalized actions to improve customer retention rates, but these decisions are at least as important as the proper identification of endangered customers. Deciding about what to do to provide specific and personalized services for customers typically leads to managers who can only rely on their knowledge. By reviewing the literature on CRM, this research provides a model that can be used to generate customer retention and marketing activities in personal banking, which includes analyzing clients and producing actions to maintain them, and analysts also set Using personalized actions to maintain customers using one of the approaches presented in this article, they are using an recommender system utilizing the opinion and experiences of customers.