پیش بینی ارزش مشتریان بانکی با یادگیری ماشین: رویکرد نوین مبتنی بر نمونه گیری مصنوعی تطبیقی و اهمیت ویژگی ها

هدف: پیش بینی دقیق ارزش مشتریان در صنعت بانکداری، یکی از چالش های اساسی است که می تواند به تصمیم گیری بهینه در حوزه مدیریت مشتریان و تخصیص منابع کمک کند. این تحقیق با هدف توسعه یک رویکرد جامع برای پیش بینی ارزش مشتریان بانکی انجام شده است. تمرکز اصلی این مطالعه بر مدیریت چالش عدم تعادل داده ها، بهبود عملکرد مدل های یادگیری ماشین و انتخاب ویژگی های کلیدی موثر بر پیش بینی ارزش مشتریان برای کاربردهای واقعی در محیط های بانکی است. روش: در این پژوهش، داده های مربوط به ۲هزار مشتری یک بانک، شامل ۱۴ ویژگی کلیدی مرتبط با تراکنش ها و رفتار مشتریان، تحلیل شد. مراحل پژوهش شامل پیش پردازش داده ها، انتخاب ویژگی های مهم و مدیریت عدم تعادل داده ها با استفاده از تکنیک ADASYN بود. انتخاب ویژگی های مهم با استفاده از ترکیب تحلیل هم بستگی و روش Feature Importance مبتنی بر الگوریتم Random Forest انجام شد. در این فرایند، ابتدا ویژگی هایی با هم بستگی بالا شناسایی شدند و در ادامه، بر اساس میزان اهمیت آن ها، ویژگی های کلیدی انتخاب شدند. سپس، ۱۱ الگوریتم یادگیری ماشین، از جمله CatBoost، XGBoost، Random Forest، LightGBM و سایر مدل های خطی و غیرخطی، برای پیش بینی ارزش مشتریان به کار گرفته شد. به منظور بهینه سازی عملکرد مدل ها، از چارچوب Optuna برای تنظیم خودکار هایپرپارامترها و از اعتبارسنجی متقاطع پنج برابری برای ارزیابی دقیق مدل ها استفاده شد. عملکرد مدل ها براساس ۴ شاخص ارزیابی اصلی شامل صحت (Accuracy)، دقت (Precision)، فراخوانی (Recall) و امتیاز ۱F سنجیده شد. یافته ها: نتایج نشان داد که الگوریتم های مبتنی بر یادگیری جمعی، بهترین عملکرد را در پیش بینی ارزش مشتریان ارائه می دهند. مدل CatBoost با امتیاز ۱F برابر ۹۳۲۴/۰ و صحت ۹۰۹/۰ به عنوان بهترین مدل شناسایی شد. این مدل توانست تعادلی مناسب میان دقت و فراخوانی ایجاد کند؛ به گونه ای که دقت مدل در پیش بینی مشتریان ارزشمند به ۹۶۷۷/۰ و فراخوانی آن به ۸۹۹۸/۰ رسید. مدل های XGBoost و Random Forest نیز عملکردی مشابه با CatBoost داشتند و امتیاز ۱F آن ها به ترتیب ۹۳۲۲/۰ و ۹۳۲/۰ بود. استفاده از رویکرد ترکیبی برای انتخاب ویژگی ها و استفاده از روش ADASYN به منظور ایجاد تعادل در داده ها، نقش مهمی در بهبود عملکرد این مدل ها ایفا کرد. نتیجه گیری: مطالعه حاضر نشان داد که استفاده از رویکردهای نوین یادگیری ماشین همراه با تکنیک های پیش پردازش تطبیقی مانند ADASYN می تواند به طور چشمگیری عملکرد مدل های پیش بینی ارزش مشتری را بهبود بخشد. انتخاب دقیق ویژگی ها با استفاده از ترکیب تحلیل هم بستگی و اهمیت ویژگی ها مبتنی بر الگوریتم Random Forest در بهبود عملکرد مدل ها نقش مهمی داشت. این فرایند با شناسایی و حذف ویژگی های تکراری و کم اهمیت، مدل ها را قادر ساخت تا با تمرکز بر اطلاعات کلیدی و موثر، دقت پیش بینی را افزایش دهند. مدل های یادگیری جمعی مانند CatBoost، XGBoost و Random Forest به دلیل دقت زیاد و توانایی در مدیریت داده های پیچیده و نامتعادل، بهترین گزینه ها برای کاربرد در محیط های بانکی هستند. این تحقیق با رفع محدودیت های پژوهش های پیشین و ارائه رویکردی جامع برای مدیریت داده های نامتعادل و انتخاب ویژگی های کلیدی، گامی موثر در جهت بهینه سازی استراتژی های مدیریت مشتریان در صنعت بانکداری برداشته است. نتایج به دست آمده می تواند به بانک ها کمک کند تا با شناسایی دقیق مشتریان ارزشمند، سیاست های بهتری برای حفظ مشتریان و تخصیص منابع تدوین کنند.

کلیدواژه ها:

یادگیری ماشین ، پیش بینی ارزش مشتری ، نامتعادلی داده ها ، ADASYN ، CatBoost