تحلیل ریزش مشتریان در صنعت بانکداری با استفاده از الگوریتم های یادگیری ماشین

در صنعت پررقابت بانکداری، حفظ مشتریان به چالشی اساسی برای موسسات مالی تبدیل شده است که می تواند سودآوری، جایگاه بازار و اعتبار آن ها را تحت تاثیر قرار دهد. این پژوهش با هدف شناسایی عوامل موثر بر ریزش مشتریان و پیش بینی آن با استفاده از پنج الگوریتم یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، XGBoost، AdaBoost و KNN انجام شد. داده های دموگرافیکی و بانکی مشتریان یک بانک خصوصی در شهر مشهد جمع آوری و پس از پاک سازی دقیق (حذف داده های تکراری، مقادیر پرت و مدیریت داده های گمشده) تحلیل شدند. مدل ها با معیارهای صحت، دقت، بازیابی و F۱-Score ارزیابی شدند. نتایج نشان داد که الگوریتم XGBoost با صحت ۹۲ درصد بهترین عملکرد را در پیش بینی ریزش مشتریان داشت. این یافته ها بیانگر آن است که الگوریتم های پیشرفته یادگیری ماشین، به ویژه XGBoost، می توانند به بانک ها در شناسایی زودهنگام مشتریان در معرض ریزش و اجرای استراتژی های هدفمند برای حفظ آن ها کمک کنند. این رویکرد امکان ارائه خدمات شخصی سازی شده، بهینه سازی برنامه های بازاریابی و وفاداری و کاهش هزینه های عملیاتی را فراهم می کند. در نتیجه، استفاده از این روش ها منجر به بهبود عملکرد مالی و تقویت مزیت رقابتی بانک ها می شود.

کلیدواژه ها:

تحلیل داده ، ریزش مشتریان ، صنعت بانکداری ، یادگیری ماشین