Ứng dụng học máy dự đoán khách hàng rời bỏ nền tảng thương mại điện tử dược phẩm

Abstract

Trong bối cảnh thương mại điện tử bùng nổ mạnh mẽ, việc dự đoán khách hàng từ bỏ dịch vụ là một bài toán rất quan trọng đối với doanh nghiệp, đặc biệt là khách hàng B2B trong lĩnh vực dược phẩm nhằm đưa ra các biện pháp, chiến lược tiếp thị để giữ chân khách hàng một cách hiệu quả và thành công. Đề tài nghiên cứu này ứng dụng quy trình CRISP-DM và dựa trên bộ dữ liệu về lịch sử giao dịch của khách hàng, sử dụng K-Means để phân tích hành vi của khách hàng, phân cụm khách hàng để hiểu rõ hơn hành vi của họ, đồng thời sử dụng các mô hình học máy Logistic Regression, Random Forest và KNN để dự đoán khả năng rời bỏ dịch vụ từ bộ dữ liệu thực tế thu thập trên hệ thống OCS của doanh nghiệp. Kết quả cuối cùng có 3 phân khúc khách hàng được thu bằng phân cụm K-Means, mô hình Logistic Regression đạt hiệu suất cao nhất so với các mô hình còn lại. Đề tài này góp phần mở rộng hướng ứng dụng học máy vào lĩnh vực thương mại điện tử dược phẩm, có ý nghĩa quan trọng trong quản trị quan hệ khách hàng của doanh nghiệp.