مدلی برای مدیریت رویگردانی مشتریان یک شرکت ارائهدهندهی سرویس اینترنت | ||
| مطالعات مدیریت کسب و کار هوشمند | ||
| مقاله 3، دوره 11، شماره 39، بهار 1401، صفحه 67-95 اصل مقاله (1.42 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22054/ims.2021.63193.2038 | ||
| نویسندگان | ||
| سحر امیری1؛ علیرضا حسن زاده* 2؛ شقایق صحرایی3 | ||
| 1کارشناسی ارشد مدیریت فناوری اطلاعات-کسب و کار الکترونیک، گروه مدیریت فناوری اطلاعات، دانشکده مدیریت و اقتصاد، دانشگاه تربیت مدرس، | ||
| 2مدیر گروه مدیریت فناوری اطلاات دانشگاه تربیت مدرس | ||
| 3گروه مدیریت فناوری اطلاعات، دانشگاه تربیت مدرس، تهران، ایران | ||
| چکیده | ||
| رویگردانی مشتری یکی از مسائل مهمی است که شرکتهای ارائه دهندهی سرویس اینترنت در بازار رقابتی و به سرعت درحال اشباع با آن روبهرو هستند. به دلیل هزینههای بالای مرتبط با جذب مشتری جدید، این شرکتها به رویکرد حفظ مشتری که صریحاً به دنبال کاهش رویگردانی است، روی آوردهاند. این تحقیق، رویگردانی مشتریان سرویسهای اینترنت یکی از بزرگترین شرکتهای مخابراتی ایران را مورد بررسی قرار داده است. به منظور پیشبینی رویگردانی، دادههای مشتریان طی شش ماه جمعآوری شده و رویگردانی آنها در یک بازهی یک ساله بررسی شده است. علاوه بر پیشبینی رویگردانی، مهمترین عوامل موثر بر آن نیز تعیین شده است. در مرحلهی پیشپردازش از روش "کمنمونهبرداری تصادفی" برای متعادلسازی مجموعهی داده و از روش "حداقل افزونگی، حداکثر ارتباط" برای انتخاب ویژگی استفاده شده است. سپس الگوریتمهای "جنگل تصادفی"، "ماشین بردار پشتیبان" و "K نزدیکترین همسایگان" برای طبقهبندی مشتریان رویگردان و غیررویگردان به کار رفتند که معیارهای ارزیابی، نشان دهندهی برتری الگوریتم جنگل تصادفی است. مدل نهایی که از ترکیب روشهای متعادلسازی، انتخاب ویژگی و طبقهبندی به دست آمد تحت عنوان مدل RUS-mRMR-RF به عنوان یک مدل کارآمد در پیشبینی رویگردانی مشتریان و شناسایی مهمترین عوامل موثر بر رویگردانی محسوب میگردد. نتایج این مطالعه بینش ارزشمندی را جهت تدوین استراتژیهای حفظ مشتری به سازمان ارائه میدهد. | ||
| کلیدواژهها | ||
| پیشبینی رویگردانی مشتریان؛ عوامل موثر؛ جنگل تصادفی؛ سرویس اینترنت؛ شرکت مخابراتی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,237 تعداد دریافت فایل اصل مقاله: 870 |
||