ارائه مدلي مبتني بر الگوريتم جنگل تصادفي و بهينه‌سازي جايا براي پيش‌بيني ريزش مشتريان بانكي

ريزش مشتري يك اصطلاح مالي است كه به از دست دادن مشتري اشاره دارد؛ امروزه با توجه به تعداد زياد بانك‌ها، ريزش مشتريان از يك بانك به بانك ديگر تبديل به دغدغه جدي براي بانك‌هاي مختلف شده است. بنابراين در اين مقاله كه براي مشتريان يك بانك گردآوري شده است، مي‌توان با توجه به رفتار و ويژگي‌هاي مشتريان قبل از وقوع ريزش، به شناسايي مشترياني كه احتمال ريزش بالايي دارند پرداخت و با ارائه پيشنهادهايي آن‌ها را حفظ نمود. در بازاريابي همه بر اين امر توافق دارند كه حفظ يك مشتري از جذب يك مشتري جديد بسيار كم هزينه‌تر است، از اين رو اين مقاله به معرفي فازهاي مختلف رويكرد پيش‌بيني مشتري ريزشي با كمك يادگيري ماشين پرداخته است. روش پيشنهادي تركيبي از الگوريتم‌هاي جنگل تصادفي و بهينه سازي جايا مي‌باشد و ريزش مشتري را بر اساس ويژگي‌هاي مختلف مشتري مانند سن، جنسيت، جغرافيا و موارد ديگر پيش-بيني مي‌كند. نتايج حاصل از مدل پيشنهادي در مقاله به ترتيب در معيارهاي Precision ، Recall و Accuracy برابر مقادير91.41 درصد، 95.66 درصدو 93.35 درصد مي‌باشد.