fa مدل‌سازی روی‌گردانی مشتریان مؤسسه‌ی مالی و اعتباری مهر با استفاده از تکنیک‌های داده‌کاوی (رویکرد: هیبریدی فازی – ماشین بردارهای پشتیبانی) عمومى General پژوهشي Research <p><span dir="RTL">در سال‌‏های اخیر با گسترش روزافزون داده‌‏ها و پایگاه داده‏‌ها روبرو شده‌‏ایم. به موازات این امر شاهد پیشرفت تکنولوژی و علوم مختلف می‏‌باشیم تا بتوان از این خیل عظیم داده‌‏ها نهایت بهره را برد. در</span> <span dir="RTL">دنیای امروز و در مبحث مدیریت ارتباط با مشتری یکی از مزیت‌‏های رقابتی برای شرکت‏‌ها، سازمان‏‌ها و نهادها استفاده‌ی بهینه از داده‌‏ها است که در صورت وقوع چنین امری سازمان می‏‌تواند گامی بزرگ در راستای اهداف خود از جمله حفظ مشتریان قدیمی و جذب مشتریان جدید بردارد. از صنعت‏‌هایی که امروزه با داده‌‏های انبوه مشتریان سر و کار دارد صنعت بانکداری است. با توجه به این امر در این مقاله مسئله‌ی روی­گردانی مشتریان مؤسسه‌ی مالی و اعتباری مهر مورد بررسی قرار گرفته است و پس از مرور ادبیات و مطالعات نظری در این زمینه و</span> <span dir="RTL">جمع‌­آوری داده‌­های مورد نیاز، مدل‌سازی روی­گردانی مشتریان با رویکرد هیبریدی انجام گرفته است که در ابتدای این رویکرد گروه­ مشتریان با کمک قوانین فازی تعیین شده است. بر این اساس مشتریان در سه گروه فعال، متوسط و ضعیف قرار گرفته‌­اند. در مرحله‌ی دوم نیز مدل‌سازی با کمک روش ماشین بردارهای پشتیبانی صورت گرفته است. نتایج حاصل از این رویکرد با رویکرد منطقی و تک‌متغیره مقایسه شده است و بنا به نتایج به دست آمده رویکرد هیبریدی فازی–ماشین­‌های بردارهای پشتیبانی به‌منظور مدل‌سازی روی­گردانی مشتریان مؤسسه‌ی مالی و اعتباری مهر معرفی شده است.</span></p> <p>In recent years, we have been faced with increasing growing use of data mining and database and parallel to this, new science and technologies have been developed to make the best of these huge volumes of data in customer relationship management , optimized use of data is a competitive advance for companies and organization. And if so, they can deserve their old customers and acquire new ones. In this regard, the banking industry is one of those industries that deal with huge volume data of the customers. In this article, we have considered customers churn in Mehr finance and credit institution. In the first step of this thesis, the literature review results is reported and based on the review, different aspects of problem properties is investigated and then, the required data is gathered. The churn modeling of data is performed in a hybrid form: first, we have applied fuzzy modeling for classifying customers in 3 categories as Active, Moderate and weak. Then, we have made use of support vector machine for churn modeling. Numerical results of the problem model are compared with logical approach. Finally, based on these numerical results, we can conclude that the hybrid Fuzzy – SVM approach is a more exact and useful approach for churn prediction.</p> داده‌کاوی, مدیریت ارتباط با مشتری, روی‌گردانی, دسته‌بندی, ماشین بردارهای پشتیبانی. Data mining, customer relationship management, churn, classification, support vector machine. 141 157 http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-1-19&slc_lang=fa&sid=1 Hamidreza Ahmadi Khaledi حمیدرضا احمدی خالدی hr.a.khaledi@gmail.com 100319475328460050 100319475328460050 Yes Alimohammad Ahmadvand علی‌محمد احمدوند 100319475328460051 100319475328460051 No