بهبود دقت و انتخاب ویژگی های موثردر دسته بندی مشتریان با استفاده از روش های یادگیری ماشین و الگوریتم کلونی مورچگان در بانکداری تلفنی

شرکت های مختلف با داشتن اهداف خاص و مشخص از طریق بازاریابی مستقیم با مشتریان خود تماس می گیرند و اقدام به فروش یا عرضه خدمات به آن ها می نمایند. متمرکز کردن تعاملات با مشتریان از راه دور از طریق مرکز تماس عملیات فروش را تسهیل می کند و از لحاظ زمان و هزینه مقرون به صرفه است. در این پژوهش به ارزیابی نتایج حاصل از روش پیشنهادی برای دسته بندی مشتریان در بانکداری تلفنی پرداخته شده است. ابتدا نتایج حاصل از اجرای الگوریتم های یادگیری ماشین(شبکه های عصبی، درخت تصمیم، k همسایه نزدیک، نیوبیزین و بردار پشتیبان ماشین) به صورت معمولی یعنی بدون استفاده از ویژگی های موثر به دست آورده، سپس نتایج حاصل از اجرای روش پیشنهادی که با استفاده از الگوریتم کلونی مورچگان اقدام به انتخاب ویژگی های موثر شده است را به دست آورده و مقایسه شده اند. مجموعه داده ای شامل اطلاعات مشتریانی که طی سال های ۲۰۰۸ تا ۲۰۱۳ برای سرمایه گذاری در بانک با آن ها تماس گرفته شده است؛ موجود می باشد که در دو دسته بله و خیر طبقه بندی شده است. این دسته بندی مربوط به بررسی تمایل و ثبت نام افراد برای سپرده گذاری در بانک به صورت تلفنی است. برای مجموعه داده های کلی(dataset_full) ۷۰% داده های کلی یعنی ۲۸۸۳۲ نمونه به صورت تصادفی جهت آموزش الگوریتم های یادگیری ماشین استفاده شد. در مرحله آزمون نیز ۳۰% داده ها یعنی ۱۲۳۵۶ نمونه که در مرحله آموزش استفاده نشده بودند به صورت بردار به الگوریتم های یادگیری ذکرشده و پیاده سازی شده در نرم افزار متلب اعمال گردید. نتایج نشان داد که ویژگی های اعتبار، وام شخصی، مدت زمان مکالمه، نتایج بازاریابی قبلی و شاخص قیمت مصرف کننده بیشترین تاثیر را در پیش بینی موفقیت در بانکداری تلفنی دارد

کلیدواژه ها:

الگوریتم یادگیری ماشین ، الگوریتم کلونی مورچگان ، بانکداری تلفنی