فهرست نشریات علمی دسترسی آزاد ایران

در صنعت پررقابت بانکداری، حفظ مشتریان به چالشی اساسی برای مؤسسات مالی تبدیل شده است که می‌تواند سودآوری، جایگاه بازار و اعتبار آن‌ها را تحت تأثیر قرار دهد. این پژوهش با هدف شناسایی عوامل مؤثر بر ریزش مشتریان و پیش‌بینی آن با استفاده از پنج الگوریتم یادگیری ماشین شامل درخت تصمیم، جنگل تصادفی، XGBoost، AdaBoost و KNN انجام شد. داده‌های دموگرافیکی و بانکی مشتریان یک بانک خصوصی در شهر مشهد جمع‌آوری و پس از پاک‌سازی دقیق (حذف داده‌های تکراری، مقادیر پرت و مدیریت داده‌های گمشده) تحلیل شدند. مدل‌ها با معیارهای صحت، دقت، بازیابی و F1-Score ارزیابی شدند. نتایج نشان داد که الگوریتم XGBoost با صحت 92 درصد بهترین عملکرد را در پیش‌بینی ریزش مشتریان داشت. این یافته‌ها بیانگر آن است که الگوریتم‌های پیشرفته یادگیری ماشین، به‌ ویژه XGBoost، می‌توانند به بانک‌ها در شناسایی زودهنگام مشتریان در معرض ریزش و اجرای استراتژی‌های هدفمند برای حفظ آن‌ها کمک کنند. این رویکرد امکان ارائه خدمات شخصی‌سازی‌شده، بهینه ‌سازی برنامه‌های بازاریابی و وفاداری و کاهش هزینه‌های عملیاتی را فراهم می‌کند. در نتیجه، استفاده از این روش‌ها منجر به بهبود عملکرد مالی و تقویت مزیت رقابتی بانک‌ها می‌شود.