در سالهای اخیر به دلیل افزایش رقابت بین شرکت های فعال در بخش خدمات، پیش بینی رویگردانی مشتری به منظور حفظ مشتریان مورد توجه زیادی قرار گرفته است. اگرچه رویگردانی هر مشتری موجب ضرر و زیان برای یک شرکت می شود ولی واضح است که رویگردانی یک مشتری باارزش در مقایسه با یک مشتری کم ارزش، ضرر و زیان زیادی را متوجه یک شرکت می کند. بنابراین اهمیت پیش بینی رویگردانی مشتریان باارزش برای یک شرکت بسیار بیشتر است. متدولوژی این تحقیق به این صورت است که ابتدا با مرور ادبیات انجام شده در زمینه پیش بینی رویگردانی مشتریان، به ارائه چارچوبی برای پیش بینی رویگردانی مشتریان باارزش پرداخته و سپس با استفاده از داده های مربوط به یک شرکت مخابراتی به پیاده سازی چارچوب و بیان نتایج حاصله از آن خواهیم پرداخت. هدف از این تحقیق ارائه چارچوبی برای پیش بینی رویگردانی مشتریان باارزش است. این چارچوب از دو فاز تشکیل شده است، فاز شناسایی مشتریان باارزش و فاز ساخت مدل پیش بینی رویگردانی. یکی از نوآوری های موجود در این چارچوب، در نظر گرفتن ارزش شبکه ای هر مشتری در کنار ارزش طول عمر مشتری در تعیین مشتریان باارزش است. بدین ترتیب که علاوه بر متغیرهای سنتی crm ، متغیرهایی از شبکه اجتماعی مشتری در خوشه بندی مشتریان مورد استفاده قرار می گیرد. دلیل وارد نمودن چنین متغیرهایی، وجود پدیده هایی چون پیام کلامی یا همان wom است. سودآوری یک مشتری تنها معیار باارزش بودن آن نیست، یک مشتری رویگردان کم ارزش از لحاظ سودآوری ولی دارای جایگاه بالا از لحاظ تاثیرگذاری در یک شبکه اجتماعی، ممکن است به انتشار پیام کلامی منفی در مورد شرکت بپردازد و در نتیجه باعث رویگردانی چندین مشتری دیگر شود. فاز دوم چارچوب به توصیف مراحل ساخت مدل پیش بینی رویگردانی مشتریان باارزش می پردازد. به منظور اجرای چارچوب ارائه شده، از داده های یک شرکت مخابراتی استفاده شد. یکی دیگر از نوآوری های این تحقیق، بررسی کارایی تکنیک های نروفازی در پیش بینی رویگردانی است، نتایج آزمایشات نشان داد که این تکنیک ها کارایی بهتری از لحاظ دقت پیش بینی نسبت به تکنیک شبکه عصبی از خود نشان دادند. همچنین در این تحقیق برای اولین بار از یک متد داده کاوی مبتنی بر الگوریتم بهینه سازی اجتماع مورچگان به نام cant-miner برای عملیات پیش بینی رویگردانی مشتری استفاده شد.