تحليل السببية لفقدان العملاء باستخدام التعلم العميق

يصف مصطلح "انهيار العملاء" (Customer churn) إنهاء العلاقة مع شركة أو تقليل التفاعل معها خلال فترة زمنية محددة. هناك استراتيجيتان أساسيتان في تسويق الأعمال تلعبان دورًا حاسمًا في زيادة القيمة الدولارية لحصة السوق: جذب عملاء جدد وحفظ العملاء الحاليين. يمكن أن تكون تكلفة جذب العميل الجديد خمسة إلى ستة أضعاف تكلفة الحفاظ على العميل الحالي، ولذلك فإن الاستثمار في العملاء الذين يواجهون خطر الانهيار يعتبر ذكيًا. يمكن للتحليل السببي لنموذج الانهيار التنبؤ بامكانية انقطاع عميل ما في المستقبل القريب ومساعدة الشركات على تحديد الآثار والأسباب المحتملة للانهيار واستخدام هذه المعرفة لتطبيق حوافز مخصصة.يقترح هذا البحث إطارًا يستخدم شبكة عصبية متغذية للأمام بشكل عميق (Deep feedforward neural network) للتصنيف، مصحوبة بمنهجية تعدين الأنماط المتتابعة على بيانات نادرة ذات أبعاد عالية. كما نقترح شبكة بيزيانية سببية (Causal Bayesian network) للتنبؤ باحتمالات الأسباب التي تؤدي إلى انهيار العملاء. تؤكد مقاييس التقييم على البيانات الاختبارية أن نموذج XGBoost ونموذج التعلم العميق الخاص بنا قد أداء أفضل من التقنيات السابقة. يؤكد التحليل التجريبي أيضًا أن بعض المتغيرات السببية المستقلة التي تمثل مستوى المساهمة الفائقة الضمان، ونمو الحساب، ومدة علاقة العميل قد تم تحديدها كعوامل مشوشة (Confounding factors) لانهيار العملاء بمعدل ثقة عالٍ.يوفر هذا البحث تحليلًا حقيقيًا لانهيار العملاء بدءًا من الاستدلال عن الحالة الحالية وحتى الاتجاهات المستقبلية في صناديق التقاعد المحلية.