پیش بینی ریزش مشتری با استفاده از شبکه عصبی کانولوشن گراف به منظور بهبود تجربه مشتریان

پدیده ریزش مشتری به عنوان یکی از چالش های اساسی کسب‌وکارها مطرح است. امروزه توانایی پیش بینی ریزش مشتری با استفاده از تکنیک های پیشرفته تحلیل داده، به دلیل اهمیت آن مورد توجه واقع شده است. پیش بینی ریزش مشتر ی یکی از مسائل مهم در کسب وکارها است که میتواند منجر به ارائه خدمات بهتر و افزایش سودآوری شود. با استناد به تحقیقات انجام شده روش های مختلفی برای پیش بینی نرخ ریزش مشتری با استفاده از داده های تاریخی و رفتاری مشتریان ارائه شده است. اما، از تکنیک های گرافی پیشرفته برا ی مدل ساز ی و تجزیه و تحلیل رفتار مشتریان برای پی ش بینی ریزش مشتریان به ندرت استفاده شده است. در تحقیق حاضر، با بهره‌گیری از شبکه کانولوشن گراف، یک روش نوین برای پیش بینی ریزش مشتریان ارائه شده است. این روش، با مدل سازی روابط مشتریان به عنوان یک ساختار گراف، از تحلیل پویا شبکه در زمان و استفاده از ویژگی‌های هر مشتری به عنوان نودهای گراف برا ی بهبود پیش‌بینی ریزش مشتریان استفاده می‌کند. این چارچوب روابط بین مشتریان را به عنوان یک ساختار گراف مدل کرده و رفتار هر مشتر ی را به عنوان یک دنباله زمانی از متغیرها ی تازگی خرید، تعداد خرید، مبلغ خرید و هزینه مشتری به عنوان ویژگی های هر نود گراف مشتریان در نظر می‌گیرد. در نهایت، از الگوریتم شبکه عصبی کانولوشن گراف برا ی تحلیل گراف مشتریان و شناسایی مشتریان در معرض ری زش استفاده می شود. داده های مورد استفاده در این تحقیق مربوط به داده های تراکنشی یک شرکت خدمات پرداخت در طی دوره سی‌وشش ماه می باشد آزمایشات و ارزیابی‌ها بر روی این مجموعه داده نشان میدهد که این رویکرد علاوه بر بهبود عملکرد در مقایسه با الگوریتم‌های رایج و بهبود دقت و ضریب همبستگی متیوز، میتواند منجر به افزایش بهره‌وری و رضایتمندی مشتریان شود.