نویسندگان

• اشرف نوروزی ¹
• بابک تیمورپور ²
• سروناز چوبدار ³
• محمد مهدی سپهری ⁴

¹ دانشجوی دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس

² دکتری مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس

³ کارشناس ارشد مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس

⁴ دانشیار بخش مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس

چکیده

مدیریت رویگردانی مشتری شامل سه فازاصلی است: شناسایی مشتریان رویگردان، شناسایی دلایل رویگردانی و اتخاذ استراتژیهای مناسب برای مقابله با این مشکل. اکثر تحقیقات این‌حوزه تنها به پیش‌بینی رویگردانی مشتری پرداخته‌اند. تحقیقات بسیاراندک در خصوص شناسایی دلایل نیز، تنها به آزمودن فرضیات‌اولیه در خصوص دلایل احتمالی اختصاص دارد. تحقیق حاضر به دلیل تحقیقات بسیارمحدودقبلی، نوآوریهای فراوانی انجام داده است که عمده ترین آن توسعه چارچوبی جدید درخصوص شناسایی دلایل رویگردانی و ترکیب تحقیق پیمایشی با داده‌کاوی طی آن می باشد که بدون الگوبرداری از تحقیقی مشابه مورداجرا قرار گرفته است. چارچوب پیشنهادی شامل چهار مرحله اصلی است: ساخت مشخصه های مورد نیاز، شناسایی مشتریان رویگردان، شناسایی دلایل رویگردانی و اعتبارسنجی نتایج حاصل. مشتریان حسابهای جاری اشخاص بانک کشاورزی به عنوان موردمطالعاتی این تحقیق انتخاب شده و داده‌های مورد نیاز با کمک ابزار پرسشنامه جمع آوری شده است. رویکرد مورداستفاده برای شناسایی علل رویگردانی، استخراج قواعدمنتهی به رویگردانی در گروههای مختلف مشتری بوده است. برای این منظور ازکاربرد تکنیک درخت تصمیم بامتغیرهدف برچسب رویگردانی استفاده شده است. اعتبارسنجی نتایج حاصل نیز، با آزمودن آن بر روی داده‌های اعتبارسنجی و محاسبه نرخ lift و خطای‌کلی به دست آمده است. قواعد استخراجی نشان از تمایل به رویگردانی در بخش بزرگی از مشتریان بانک کشاورزی دارد که عمده ترین آن (به ویژه در گروههای با درآمد بالاتر بیشتر) طرزبرخورد کارمندان بانک ونه عوامل بیان شده توسط خبرگان نظیر نحوه اعطای وام یا سودسپرده های پشتیبان بوده است.

کلیدواژه‌ها

• بانکداری
• مدیریت رویگردانی مشتری
• پیش بینی نرخ رویگردانی
• شناسایی علل رویگردانی
• داده کاوی

عنوان مقاله [English]

Developing a model for discovering the causes of customer churn from banking services via hybrid approach of data mining and survey

نویسندگان [English]

• ashraf norouzi ¹
• Babak Teymourpour ²
• Sarvenaz Chubdar ³
• Mohammad Mehdi Sepehri ⁴

چکیده [English]

Customer churn management consist of three main phases: identifying churners, discovering the causes of churn and adapting appropriate strategies against this problem. Most of studies in this field focused on prediction of customer churn. Few studies about discovering causes of churn are just about testing primary hypothesis about probable causes. This study because of the shortage of previous studies in this field has made lots of innovations. Some of these innovations are: designing a new framework for discovering causes of churn and designing a hybrid approach from data mining and survey techniques which carried out without benchmarking from any similar study. Proposed framework includes four main steps: feature construction and selection, identification of churners, discovering the causes of churn, and validating the results. Current account customers of Keshavarzi Bank are selected as casestudy of this research and the required data is gathered trough questionnaire. The approach used for discovering causes of churn is extracting the rules which lead to churn in various clusters of customers. For this purpose, decision tree technique with target variable of churn label is utilized. Validating the results is carried out by testing it on validation data set and calculating the top lift and overall error rate. The extracted rules represent that there is a tendency to churn among big segment of keshavarzi's customers. The most important reason (specially among higher salary customers) is about manner of bank agents not reasons expressed by experts such as the way of lending or the profit of backup accounts.

کلیدواژه‌ها [English]

• Banking
• Customer churn management
• Churn prediction
• Causes of churn
• data mining