تاثیر الگوریتمهای یادگی ری ماش ین بر وفادار ی مشتریان در بانکداری دیجیتال

در دهههای اخیر، بانکداری دیجیتال به عنوان یکی از حوزه های پرشتاب فناوری اطلاعات، دگرگونی بنیادینی در شیوه تعامل مشتریان با خدمات بانکی ایجاد کرده است. در چنین فضایی، حفظ مشتریان وفادار به چالشی راهبردی برای بانک ها تبدل شده است. هدف اصلی این تحقیق، بررسی تاثیر بهکارگیری الگوریتمهای یادگیری ماشین بر وفاداری مشتریان در بانکداری دیجیتال است و نوآوری آن در طراحی یک چارچوب تحلیلی ترکیبی بر پایه الگوریتمهای هوشمند و داده محور می باشد. روش تحقیق از نوع کاربردی و مبتنی بر رویکرد کمیتحلیلی بوده که با استفاده از داده های حاصل از یک پرسشنامه استاندارد ۲۳۱ نفری از مشتریان تهرانی که از بانکداری دیجیتال استفاده می کردند انجام شده است. الگوریتمهای Random Forest، SVM، Logistic Regression و K-Means برای پیش بینی و طبقه بندی وفاداری مشتریان و شناسایی خوشه های رفتاری به کار گرفته شدند. متغیر وابسته تحقیق، وفاداری مشتری و متغیرهای میانجی شامل؛ اعتماد، رضایت، تجربه کاربری، امنیت و شخصی سازی خدمات بودند. نتایج تحلیل ها نشان داد الگوریتم Random Forest با دقت بالای ۷۸٪ بهترین عملکرد را در پیش بینی وفاداری داشت. همچنین الگوریتم K-Means توانست خوشه های رفتاری معناداری را در میان مشتریان شناسایی کند. آزمون رگرسیون لجستیک نیز نقش موثر متغیرهای رفتاری را در شکل گیری وفاداری مشتری تایید کرد. یافته های این پژوهش نه تنها در تایید ادبیات نظری موجود موثر واقع شدند، بلکه کاربردهای عملی متعددی برای بانک ها در زمینه طراحی کمپین های بازاریابی شخصی سازی شده و حفظ مشتریان ارائه می دهند.

کلیدواژه ها:

الگوریتم یادگیری ، یادگیری ماشین ، وفاداری مشتریان ، بانکداری ، بانکداری دیجیتال