شناخت نیازهای مشتریان و پیش‌بینی رفتار آن‌ها از جمله دغدغه‌های سازمان‌ها در بازار رقابتی امروز شده است. با این حال، برخی از مشتریان به دلایل معلوم یا نامعلوم سیستم را ترک می‌نمایند. پیش‌بینی درست مشتریان رویگردان یا به عبارتی پیش‌بینی صحیح موقعیت مشتری سازمان در هر دوره زمانی می‌تواند نقش بسزایی در مدیریت هزینه‌های سازمان داشته باشد. هدف این پژوهش، کاهش ضرر وارده به سازمان از طریق پیش‌بینی صحیح مشتریان رویگردان است. به منظور رسیدن به این هدف پس از پیش‌پردازش داده‌ها در دوره‌های زمانی شش ماهه، سه دسته وفادار، درآستانه رویگردانی و رویگردان تعریف شد و تراکنش‌های مشتریان در هر ماه به یکی از این سه دسته تخصیص پیدا نمود. این نوع سطح بندی جایگاه مشتری در هر دوره زمانی در سه حالت، از جمله نوآوری‌های این پژوهش است. سپس، با استفاده از تکنیک‌های دسته‌بندی چون درخت تصمیم، جنگل تصادفی، بیزی، شبکه عصبی، رگرسیون لجستیک و ماشین‌بردار پشتیبان، میزان صحت و کارایی مدل پیشنهادی در دو حالت سه دسته‌ای و دو دسته‌ای بررسی شد. برای تعیین میزان کارایی مدل سه دسته‌ای در مقایسه با حالت دو دسته‌ای از معیارهایی چون صحت، دقت، فراخوانی و هزینه مدل استفاده شد. نتایج حاصل شده نشان‌دهنده کارا و کم هزینه‌تر بودن مدل پیشنهادی نسبت به حالت دو دسته‌ای است. در هر دو حالت روش ماشین‌بردار پشتیبان کمترین هزینه را داشته است. مجموعه داده‌ای که مدل پیشنهادی ذکرشده روی آن پیاده‌سازی شد، مربوط به بانک سینا است.

کلمات کلیدی