PREDICT CUSTOMER CHURN BY USING ROUGH SET THEORY AND NEURAL NETWORK
- سال انتشار: 1391
- محل انتشار: نهمین کنفرانس بین المللی مهندسی صنایع
- کد COI اختصاصی: IIEC09_098
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1832
نویسندگان
University of Qom
University of Shahid Beheshti
University of Science and Technology
چکیده
A major concern for modern enterprises is to promote customer value, loyalty and contribution through services which can help establishing long-term relationshipswith customers. Organizations have found that retaining existing customers is more valuable than attracting new customers. Therefore, preventing customer churn by customer retention to achieve maximum profit is a critical issue in customer relationship management. In order to effectivelymanage customer churn for companies, it is important to build a more effective and accurate customer churn prediction model. Data mining and statistical techniques can be used to construct prediction models. This paper aims to identify most appropriate models base on data mining techniques. In this paper, rough set theory has been used for feature selection. It aims to find the most effective features in order to reducecustomer loss. Then, neural networks are used in order to create the model. Finally, to evaluate performance of the model five measures (accuracy, precision, Recall, F-measure, Lift) were used. Results show that our proposed model provides acceptable performance in terms of evaluation measures.کلیدواژه ها
Customer relationship management, Data mining, Customer Churn, neural network, rough set theoryمقالات مرتبط جدید
- افزایش قابلیت اطمینان تجهیز پمپ گهو واحد انحلال کارخانه آلومینای ایران-جاجرم با استفاده از تکنیک های FMEA و RCA
- TPM با پشتیبانی ۵S برای بهبود در دسترس بودن خط تولید در صنایع لبنی (مطالعه موردی: یکی از کارخانجات لبنی)
- بکارگیری نوآوری بهره ور در مدیریت دارایی های فیزیکی دفاعی
- مدیریت دارایی زیرساختهای قدیمی شرکت توزیع برق-تحلیل موردی
- تکنیک های آنالیز ارتعاشات و آنالیز روغن در عیب یابی کمپرسور
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.