شناسایی و اولویت‌بندی عوامل اثرگذار بر ریزش مشتریان در فروشگاه‌های آنلاین مبتنی بر رویکرد داده‌کاوی

با اشباع شدن بازار در فروشگاه‌های آنلاین و داغ شدن رقابت بین فروشگاه‌های اینترنتی جلوگیری از ریزش مشتریان به دغدغه اصلی مدیران فروشگاه‌های آنلاین تبدیل شده است. هزینه به دست آوردن مشتریان جدید در حال افزایش است زیرا رقبای بیشتری با هزینه‌های اولیه قابل‌توجه و استراتژی‌های نفوذ پیشرفته به بازار وارد شده و حفظ مشتری را برای این کسب‌وکارها ضروری کرده است. بهترین اقدام در این شرایط شناسایی مشتریان بالقوه و جلوگیری از سرگردانی با اقدامات نگهداری است. در این پژوهش با استفاده داده‌های مشتریان یک فروشگاه آنلاین ازجمله تعداد خرید انجام‌شده ارزش خریدهای انجام‌شده سن مشتریان بازخوردهای داده‌شده به تخفیف‌ها و سایر موارد به ساخت مدل ترکیبی مبتنی بر رویکردهای داده‌کاوی برای شناسایی عوامل موثر در ریزش مشتریان پرداخته‌شده است. جهت ساخت مدل در مرحله نخست با استفاده از الگوریتم رگرسیون لجستیک ویژگی‌های دارای اهمیت بالاتر برای مسئله شناسایی و در مرحله دوم برای دسته‌بندی مشتریان از الگوریتم‌های درخت تصمیم و شبکه عصبی بهره گرفته شده است. درنهایت الگوریتم ترکیبی رگرسیون لجستیک و الگوریتم‌های درخت تصمیم با دقت پیش‌بینی 98/95 درصد به‌عنوان بهینه‌ترین مدل شناخته و با توجه به آن 10 ویژگی ثبت شکایت، پلتفرم ورودی، تخفیف ویژه، نوع تخفیف، مبلغ سفارش، ثبت نظر، روش پرداخت، ارجاع توسط دیگران، سن و تعداد سفارش‌ها به‌عنوان مهم‌ترین عوامل در ریزش مشتریان شناخته شد. در پایان این پژوهش با توجه به نتایج به‌دست‌آمده راهکارهایی کاربردی جهت جلوگیری از ریزش مشتریان ارائه‌شده است که می‌تواند به مدیران جهت جذب مشتریان کمک شایانی نماید.