ارائه چارچوبی داده محور مبتنی بر شبیه سازی عامل بنیان برای پیش بینی ریزش مشتری در صنعت مخابرات

ریزش مشتریان یک چالش مهم برای صنعت ارتباطات از راه دور است که نیاز به استراتژی های موثر برای پیش بینی و پیشگیری دارد. در حالی که تحقیقات قبلی روش های مختلفی از جمله مدل سازی مبتنی بر عامل (ABM) را بررسی کرده اند، محدودیت ها همچنان وجود دارد. رویکردهای موجود به شدت بر ساختارهای نظری متکی هستند که منجر به مدل های ساده سازی شده و استفاده محدود از داده ها می شود. این مطالعه به یک شکاف تحقیقاتی مهم می پردازد: عدم وجود یک چارچوب جامع داده محور که داده های مشتری را با تصمیمات فردی و تعاملات اجتماعی برای پیش بینی ریزش در بازارهای مخابراتی یکپارچه می کند. برای پر کردن این شکاف، پس از مطالعه کسب و کار و مجموعه داده، یک مدل مفهومی ایجاد می شود. داده ها برای برآوردن معیارهای مدل از پیش پردازش می شوند. یادگیری ماشین (ML) برای برون یابی ویژگی های گمشده با استفاده از مدل رگرسیون استفاده می شود. مدل در یک ABM پیاده سازی شده است. طبقه بندی ML برای تعیین رفتار ریزش عوامل استفاده می شود. ABM حاصل با داده های واقعی و برون یابی غنی شده و در شبیه سازی استفاده می شود. مدل معتبر برای استفاده پیشرفته تر با یک بهینه ساز جفت می شود و کل فرآیند در یک چارچوب یکپارچه شکل می گیرد. نشان داده شده است که این چارچوب در سناریوهای مختلف رفتار ریزش را به درستی تعیین کرده است. همچنین توانایی های خود را در شرایطی نشان داده است که یک رقیب به طور تهاجمی برای افزایش سهم بازار خود حرکت می کند و مدل آن فرموله کردن پاسخ است. پاسخ پیشنهادی نه تنها منجر به بازیابی سهم از دست رفته ۳ درصدی بازار شد، بلکه ۸.۶ درصد دیگر از سهم بازار را بدون آسیب رساندن به سود شرکت به دست آورد. این تحقیق به پیشرفت درک و مدیریت ریزش مشتری در صنعت مخابرات کمک می کند.

کلیدواژه ها:

شبیه سازی عامل بنیان ، یادگیری ماشین ، پیش بینی ریزش ، مدل های داده بنیان بازاریابی