واکاوی قابلیت های یادگیری ماشین در مدیریت ارتباط با مشتری: مرور نظام مند پژوهش های مبتنی بر الگوریتم XGBoost

مدیریت ارتباط با مشتری به عنوان یکی از حوزه های کلیدی در موفقیت سازمان ها، به ابزارهایی نیاز دارد که بتوانند رفتار مشتری را با دقت بالا تحلیل و پیش بینی کنند. در سال های اخیر، الگوریتم های یادگیری ماشین به ویژه XGBoost، به دلیل توانایی بالا در مدل سازی روابط پیچیده و عملکرد مناسب در داده های ساختاریافته، جایگاه مهمی در پژوهش های مرتبط با CRM یافته اند. این مقاله مروری با هدف بررسی قابلیت های یادگیری ماشین و به طور خاص XGBoost در کاربردهای مختلف CRM تدوین شده است. در این راستا، پژوهش های منتخب در حوزه هایی مانند پیش بینی ریزش مشتری، تحلیل وفاداری، بخش بندی مشتریان، پیش بینی رفتار خرید و استفاده از هوش مصنوعی توضیح پذیر مورد بررسی قرار گرفتند. یافته های مرور نشان می دهد که XGBoost در مقایسه با بسیاری از روش های سنتی، از دقت بالاتری در پیش بینی برخوردار است و می تواند الگوهای پنهان در داده های مشتری را با کارایی بیشتری استخراج کند. با این حال، چالش هایی نظیر نیاز به داده های باکیفیت، مسئله عدم توازن کلاس ها و محدودیت در تفسیر نتایج، همچنان مانع بهره برداری کامل از این روش در محیط های واقعی هستند. افزون بر این، نتایج نشان می دهد که تلفیق XGBoost با روش های هوش مصنوعی توضیح پذیر می تواند به افزایش شفافیت و قابلیت اعتماد نتایج کمک کند. بر این اساس، این مقاله ضمن ارائه تصویری منسجم از وضعیت پژوهش های موجود، بر ضرورت توجه هم زمان به دقت پیش بینی و تفسیرپذیری در کاربردهای CRM تاکید می کند.

کلیدواژه ها:

مدیریت ارتباط با مشتری ، یادگیری ماشین ، هوش مصنوعی توضیح پذیر ، XGBoost