پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,228 |
| تعداد مقالات | 67,753 |
| تعداد مشاهده مقاله | 115,089,060 |
| تعداد دریافت فایل اصل مقاله | 89,830,510 |
Customer Churn Prediction Using Local Linear Model Tree for Iranian Telecommunication Companies | ||
| Advances in Industrial Engineering | ||
| مقاله 3، دوره 45، Special Issue - شماره پیاپی 626033، اسفند 2011، صفحه 25-37 اصل مقاله (466.95 K) | ||
| نویسندگان | ||
| Mehdi Fasanghari Fasanghari؛ abbas Keramati | ||
| چکیده | ||
| For winning in global competition, companies need to recognition and monitoring of customer's behavior to forecast their behavior and desires earlier than competitors. This research tries to recognize the attributes which lead to customer churn. For this, behavior of 3150 subscribers of an Iranian mobile operator, has observed during one year and trends of them has analyzed by a customized LLNF model. For this purpose, the application of the locally linear model tree (LOLIMOT) algorithm, which integrates the advantage of neural networks, tree model and fuzzy modeling, was experimented. Results suggest that dissatisfaction of customer, his/her usage from services and demographic attributes have significant effect on decision to churn or retention. Furthermore, the active or inactive subscriber situation has mediation effect on his/her retention. | ||
| کلیدواژه‌ها | ||
| customer churn؛ Fuzzy logic؛ LLNF؛ LOLIMOT؛ Mobile service provider؛ Neural Network؛ prediction | ||
| عنوان مقاله [English] | ||
| پیش بینی ریزش مشتری با استفاده از درخت مدل خطی محلی برای شرکت‌های مخابراتی ایرانی | ||
| نویسندگان [English] | ||
| Mehdi Fasanghari؛ عباس کرامتی | ||
| چکیده [English] | ||
| 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. | ||
| کلیدواژه‌ها [English] | ||
| پیش بینی, تأمین کنندگان خدمات تلفن همراه, ریزش مشتری, شبکه عصبی, منطق فازی | ||
|
آمار تعداد مشاهده مقاله: 4,229 تعداد دریافت فایل اصل مقاله: 5,237 |
||