مدل های داده کاوی ترکیبی و کاربرد آن ها در پیش بینی رویگردانی مشتریان

گذر از اقتصاد صنعتی و از میان رفتن مرزهای جغرافیایی کسب و کار و به تبع آن افزایش رقابت، موجب شده برقراری ارتباط موثر با مشتریان و مدیریت این ارتباط به یک عامل مهم در موفقیت هر کسب و کاری مبدل شود. در این میان مدیران سازمان ها نیز متوجه شدهاند که حفظ مشتریان فعلی، ارزان تر از جذب مشتریان جدید است. از این رو پیاده سازی یک برنامه مناسب می تواند بسیاری از مشکلات در روابط بین مشتری و سازمان را شناسایی کرده و پیش از اقدام مشتری به ترک سازمان (رویگردانی) آن ها را برطرف نماید. پیش بینی رویگردانی باید مبتنی بر جمع آوری داده ها و تبدیل آن ها به دانش باشد و این امر با توجه حجم رو به رشد داده هایی که سازمان ها با آن سر و کار دارند، میسر نخواهد بود مگر با بهره گیری از فناوری هایی چون داده کاوی. تحقیق حاضر، بر استفاده از مدل داده کاوی ترکیبی به منظور مطالعه عوامل موثر بر رویگردانی مشتریان تمرکز دارد. ما در این مقاله سعی داریم به بررسی تعدادی از پژوهش های انجام یافته در این زمینه و تفاوت آن ها با مدل های داده کاوی منفرد بپردازیم. نتایج حاصل از تحقیقات مورد بررسی، حاکی از آن است که مدل های داده کاوی ترکیبی با ترکیب دو یا چند تکنیک داده کاوی، کارآیی بهتری نسبت به تکنیک های داده کاوی منفرد دارند.