Resumen

Dado que los clientes son el principal activo de cada industria, la predicción de la pérdida de clientes se está convirtiendo en una tarea fundamental para que las empresas sigan compitiendo con sus competidores. En la literatura se ha señalado la mayor aplicabilidad y eficacia de las técnicas jerárquicas de minería de datos. Este artículo considera tres modelos jerárquicos mediante la combinación de cuatro técnicas de minería de datos diferentes para la predicción de la pérdida de clientes, que son las redes neuronales artificiales de retropropagación (RNA), los mapas autoorganizativos (SOM), los c-means difusos de corte alfa (α-FCM) y el modelo de regresión de riesgos proporcionales de Cox. Los modelos jerárquicos son ANN Cox, SOM ANN Cox y α-FCM ANN Cox. En concreto, el primer componente de los modelos tiene como objetivo agrupar los datos en dos grupos: los "churner" y los "nonchurner", así como filtrar los datos no representativos o los valores atípicos. A continuación, los datos agrupados se utilizan para asignar clientes a los grupos de clientes que abandonan o no mediante la segunda técnica. Por último, los datos correctamente clasificados se utilizan para crear el modelo de riesgos proporcionales de Cox. Para evaluar el rendimiento de los modelos jerárquicos, se utiliza un conjunto de datos de telefonía móvil iraní. Los resultados experimentales muestran que los modelos jerárquicos superan al modelo básico de regresión de Cox en términos de precisión de predicción, errores de tipo I y II, RMSE y métrica MAD. Además, el modelo α-FCM ANN Cox obtiene resultados significativamente mejores que los otros dos modelos jerárquicos.

• Materias:Celda de memoria Arquitectura informática Levitación magnética Diseño Kansei Análisis de algoritmos
• Subjects:Memory cell Computer architecture Magnetic levitation Kansei Design Algorithm analysis
• Palabras claves:RNA, modelos jerárquicos, Cox, FCM, datos, α, grupos de no retornados, diferentes técnicas de minería de datos, técnicas jerárquicas de minería de datos, modelo de regresión de riesgos proporcionales.
• Keywords:ANN, hierarchical models, Cox, FCM, data, α, nonchurner groups, different data mining techniques, hierarchical data mining techniques, proportional hazards regression model