بررسی عوامل موثر بر ریزش مشتری (Churn) و ارائه مدل پیش بینی ریزش در کسب وکارهای آموزشی یا خدماتی

هدف این پژوهش، بررسی عوامل موثر بر ریزش مشتری (Churn) و ارائه مدل پیش بینی ریزش در کسب وکارهای آموزشی و خدماتی بود. برای ساخت مدل پیش بینی ریزش از الگوریتم های یادگیری ماشین شامل درخت تصمیم، رگرسیون لجستیک و شبکه عصبی مصنوعی (ANN) استفاده گردید. نتایج نشان داد که متغیرهای پاسخگویی به شکایات، تعامل شخصی سازی شده، کیفیت خدمات و قیمت گذاری و ارزش پیشنهادی همگی تاثیر منفی و معناداری بر ریزش مشتری دارند و پاسخگویی سریع و تعامل شخصی سازی شده بیشترین اثر کاهش دهنده ریزش را دارا هستند. تحلیل رگرسیون چندگانه توانست ۶۶٪ تغییرات ریزش مشتری را پیش بینی کند، و مدل شبکه عصبی مصنوعی بهترین عملکرد را با دقت پیش بینی ۸۴٪ و دقت شناسایی مشتریان در معرض ریزش ۸۲٪ ارائه داد. یافته ها حاکی از آن است که ارتقای کیفیت خدمات، شخصی سازی تعامل با مشتریان، پاسخگویی سریع به شکایات و ارائه ارزش اقتصادی مناسب، مولفه های کلیدی برای کاهش ریزش مشتری و افزایش وفاداری هستند و مدل های یادگیری ماشین ابزار موثری برای پیش بینی و مدیریت ریزش فراهم می کنند. این پژوهش می تواند راهنمای عملیاتی ارزشمندی برای مدیران کسب وکارهای آموزشی و خدماتی باشد تا با اتخاذ راهکارهای داده محور، وفاداری مشتریان را ارتقا دهند.

کلیدواژه ها:

ریزش مشتری ، پیش بینی ریزش ، حفظ مشتری ، یادگیری ماشین