پیش بینی ریزش مشتری با استفاده از درخت مدل خطی محلی برای شرکت‌های مخابراتی ایرانی

برای برنده بودن در رقابت جهانی، شرکت‌ها نیازمند بازشناسی و پایش رفتار مشتریانشان هستند تا رفتار و خواسته‌های آنها را زودتر از رقبایشان برآورد کنند. این تحقیق به‌دنبال شناسایی ویژگی‌هایی است که ما را به تحلیل ریزش مشتری سوق می‌دهد. به‌همین منظور، رفتار 3150 مشتری یکی از اپراتورهای مخابراتی ایرانی در طول یک سال شناسایی شده است و روند تغییرات آنها با استفاده از یک مدل LLNF خصوصی سازی شده تحلیل شده است. برای انجام این امر، الگوریتم درخت مدل خطی محلی (LOLIMOT)، که مزایای شبکه‌های عصبی مدل درخت تصمیم گیری و مدل‌های فازی را درخود جای داده است، به‌کار گرفته شده است. نتایج بیانگر آن است که نارضایتی مشتری، استفاده مشتری از خدمات و ویژگی‌های آماری وی تأثیر روشن و معنی داری بر تصمیم وی برای ماندن در سیستم و یا خروج از سیستم دارد. علاوه بر این، فعال بودن یا غیر فعال بودن وضعیت اشتراک مشتری تأثیر میانجی گرانه در باقی ماندن یا ریزش وی از سیستم دارد.