دانلود رایگان پایان نامه پیش بینی رویگردانی مشتری

چکیده

با افزایش محبوبیت تجارت الکترونیک و توسعه سریع. رقابت بین شرکت های تجارت الکترونیک شدیدتر می شود (ژانگ، 2015). همانطور که مشخص است، مهم ترین موضوع حفظ مشتریان با ارائه بهترین خدمات همراه با قیمت مناسب است. بنابراین، با افزایش سریع حجم معاملات تجارت الکترونیک و رقابت شدید در بازار برای پاسخگویی به تقاضای بالای مشتریان، جذب مشتریان از طریق خدمات سفارشی و استراتژی‌های هدفمند برای افزایش وفاداری مشتریان ضروری است. از سوی دیگر، ریزش مشتری در تجارت الکترونیک تغییرات غیرخطی و دسته‌بندی نامتقارن مشتریان را نشان می‌دهد. داده‌های ریزش مشتری تجارت الکترونیک دارای یک عدم تعادل نمونه معمولی است که به این معنی است که تعداد نمونه‌های ریزش به طور قابل‌توجهی بیشتر از تعداد نمونه‌های ریزش نشده یا برعکس است. این تحقیق روش ها یا مدل های تحمیل شده بر تجارت الکترونیک را برای کاهش فعالانه ریزش مشتری پیشنهاد می کند.

پیش زمینه مسئله

در تجارت الکترونیک، به نظر می رسد که جذب مشتریان جدید برای یک شرکت بسیار گرانتر از حفظ مشتریان فعلی است (صاغیر و همکاران، 2019). به همین دلیل مشخص، دانستن از قبل اینکه چه مشتریانی شرکت را ترک خواهند کرد، کسب و کارها را قادر می سازد تا پیشنهادات ارائه دهند یا مصرف محصولات یا خدمات خود را به روشی مرتبط کاهش دهند، برای افزایش حفظ آنها، ایجاد یک ارتباط خوب با مشتری و صرفه جویی در هزینه های خرید بسیار مهم است. . در بازار رقابتی امروز، تنوع بسیار زیادی از محصولات و خدمات برای انتخاب وجود دارد. بر این اساس، بیشتر مصرف‌کنندگان عادت کردند آزادانه از یک برند به برند دیگر، از عرضه‌کننده‌ای به عرضه‌کننده دیگر، به دنبال محصول یا خدماتی باشند که متناسب با نیازهایشان باشد. شرکت‌های تجارت الکترونیکی از این پدیده که به «ریزش مشتری» معروف است، رنج می‌برند. بنابراین، به جای تمرکز بر حفظ مشتریان فعلی خود، اغلب تلاش می کنند و پول زیادی را برای جذب مشتریان جدید اختصاص می دهند.

مرور مطالعات پیشین

ریزش مشتری به این واقعیت اشاره دارد که مشتریان اصلی یک شرکت برای خرید کالاهای سازمانی یا پذیرش خدمات سازمانی متوقف می شوند و در عوض خدمات رقبا را می پذیرند (Wu et al., 2017). پیش بینی نرخ ریزش به طور گسترده در بخش مخابرات اعمال می شود. ریزش مشتری در تجارت الکترونیک نوعی ریزش است که مشتریان به دلایلی مانند کیفیت پایین یا تاخیر در تحویل، شرکت، محصولات یا خدمات را ترک می کنند. ریزش مشتری در تجارت الکترونیک نوعی ریزش مشتری در سناریوی روابط غیر قراردادی است. در یک رابطه غیر قراردادی، حتی اگر خاتمه این نوع رابطه تجاری-مشتری رخ دهد، تشخیص از قبل برای کسب و کار دشوار است (شائو، 2016). برای شرکت‌های تجارت الکترونیک، مهم است که بتوانند به‌طور دقیق گروه‌های مشتریان با ارزش را که در شرف ریزش هستند، پیش‌بینی کنند و در عین حال عادت‌های خرید مشتریانی را که از هم جدا نشده‌اند مطالعه کنند تا این نوع مشتری را حفظ کنند. گروه مشتریان.

توصیف پروژه

این پروژه چندین مرحله را برای ایجاد یک مدل پیش‌بینی ریزش مشتری طی می‌کند. ابتدا، مجموعه داده از طریق پیش پردازش در جایی که مجموعه داده تمیز می شود و بهترین عملکرد را در طول مدل سازی به دست می آورد. پس از آن، به تجسم داده‌ها می‌پردازیم تا علاوه بر جنبه‌های رایج مشتریان فریب‌خورده، اطلاعاتی درباره مجموعه داده‌ها به دست آوریم. در نهایت، الگوریتم‌های یادگیری ماشین برای ساخت مدل پیش‌بینی ریزش مشتری مورد استفاده قرار خواهند گرفت.

تحلیل پروژه

اولین قدم در کاوش داده، وارد کردن چندین کتابخانه در R برای کاوش و تجسم داده ها است. سپس ستون‌های عددی و طبقه‌بندی علاوه بر شناسایی داده‌های از دست رفته مورد بررسی قرار خواهند گرفت. نتیجه مجموعه داده ما Churn است و هیچ مقدار گمشده ای در ستون "Churn" وجود ندارد. با این حال، متغیرهای پیامدها به دلیل تعداد بالای مشتریان حفظ شده در مقایسه با مشتریانی که در جدول زیر نشان داده شده است، نامتعادل هستند.

نتیجه گیری

کسب و کارهای تجارت الکترونیک پول زیادی را برای جذب مشتریان جدید اختصاص می دهند. با این حال، طول عمر مشتریان به متغیرهای زیادی بستگی دارد و این مطالعه در مورد ساخت مدل پیش‌بینی ریزش مشتری برای کسب‌وکارهای تجارت الکترونیک بود. مجموعه داده مورد استفاده برای این پروژه، پلتفرم پیشرو تجارت الکترونیک دشمن است که از Kaggle گرفته شده است. این مطالعه با تجزیه و تحلیل اکتشافی و تجسم داده‌ها شروع شد تا درک ما را برای مشتریان فریبنده افزایش دهد. مشاهده شد که مشتریان با جنسیت مذکر و وضعیت تاهل مجرد ارتباط دارند. سپس از سه الگوریتم ماشینی مختلف برای پیش‌بینی انحراف مشتری استفاده شد که عبارتند از درخت تصمیم، رگرسیون لجستیک و جنگل تصادفی. مشخص شد که جنگل تصادفی بهترین دقت و امتیاز کاپا را به ترتیب با 5/93 درصد و 75/0 دارد.

دقت داشته باشید که این متن به کمک گوگل ترنسلیت ترجمه شده و توسط مترجمین سایت ای ترجمه ترجمه نشده است و صرفا جهت آشنایی با متن پایان نامه می باشد.

این پایان نامه خارجی در سال 2022 در دانشگاه Linnaeus University برای اخذ مدرک کارشناسی ارشد انجام شده است. برای دانلود رایگان پایان نامه انگلیسی به صفحه دانلود پایان نامه پیش بینی رویگردانی مشتری در بخش تجارت الکترونیک در سایت ای ترجمه مراجعه نمایید.