تم إضافة تقرير جديد 2024
ارسل ملاحظاتك

ارسل ملاحظاتك لنا









الرئيسية > A Smart Model to Enhance the C...>الوصف

A Smart Model to Enhance the Customer Retention

العنوان بلغة أخرى: نموذج ذكي لتحسين الاحتفاظ بالعملاء
المصدر: المجلة العلمية للبحوث والدراسات التجارية
الناشر: جامعة حلوان - كلية التجارة وإدارة الاعمال
المؤلف الرئيسي: .Abdelgawad, Norihan N (Author)
مؤلفين آخرين: El-Henawy, I.M (Co-Author) , .Mostafa, Aya M (Co-Author)
المجلد/العدد: مج38, ع1
محكمة: نعم
الدولة: مصر
التاريخ الميلادي: 2024
الشهر: مارس
الصفحات: 1501 - 1538
ISSN: 1110-2373
رقم MD: 1505453
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink
مواضيع:
النماذج الذكية | إدارة العلاقات | علاقات العملاء
كلمات المؤلف المفتاحية:
الاحتفاظ بالعملاء | التنبؤ برحيل العملاء | التجارة الإلكترونية | خوارزمية التعلم الجماعي | نموذج الحداثة | التكرار | النقدي | التنبؤ بوقت الذروة | Customer Retention | Customer Churn Prediction | Ecommerce | Ensemble Learning Algorithms | Recency Frequency Monetary (RFM) Model | Rush Time Prediction | Z-Score
رابط المحتوى:
PDF (صورة)     
صورة الغلاف QR قانون

عدد مرات التحميل

2

حفظ في:
المستخلص: إن إدارة علاقات العملاء ضرورية لنجاح أي شركة مع التركيز بشكل خاص على الاحتفاظ بالعملاء من خلال الكشف المبكر عن رحيل العملاء. فبسبب النمو المتزايد لحجم البيانات في التجارة الإلكترونية فمن الضروري تطوير تقنيات تستطيع الكشف المبكر عن رحيل العملاء. يستطيع أن يحظى التعلم الألى وإدارة علاقات العملاء بشكل فعال في تأدية هذه المهمة بالإضافي إلى ذلك، يؤدى التنبؤ بوقت الذروة إلى تحسين توزيع العاملين وتقليل المشاكل الفنية لتحقيق الاحتفاظ بالعملاء. لقد طبقنا الخوارزمية التصنفية بناء على أداة تحليل الحداثة والتكرار والقيم النقدية، كما تنولنا معالجة البيانات الغير متوازنة باستخدام تقنية SMOTE-TOMEK و قد كشفت النتائج أن خوارزمي XG-Boost تتفوق على الخوارزميات الأخرى بما في ذلك شجرة القرارات والغابة العشوائية، محققة دقة بنسبة 87.37%، Recall, Precision 99.99 بنسبة 74.68%، F1-scoreبنسبة 85.5% ومعيار قياس المساحة تحت المنحني بنسبة 87% بالإضافة إلى ذلك، أظهرت الإحصائيات باستخدام Z-Score أن أوقات الذروة بين الساعة الخامسة صباحا وحتي السادسة مساءا تمثل حوالي 68% من إجمالي المشتريات.

Customer Relationship Management is essential for company’s success, focusing on enhancing customer retention through early detection of churn. Due to the Exponential growth of data volume in e-commerce, it is essential to develop techniques to identify customer churn. Machine learning and CRM will effectively perform this task. Additionally predicting rush time linking optimized Employees distribution and minimizing technical issues to achieve customer retention. We applied K-means based on the RFM model and addressed imbalanced data using SMOTE-TOMEK. The Results revealed that XG-Boost outperformed other algorithms, including decision tree and random forest, achieving an accuracy of 87.37%, precision of 99.99%, recall of 74.68%, F1-score of 85.5%, and an AUC of 88%. Additionally, the analysis using z-score showed that rush times between 4:57 AM and 6:04 PM accounted for approximately 68% of all purchases.
ISSN: 1110-2373

عناصر مشابهة


© 2025 المنظومة. جميع الحقوق محفوظة.