Ứng dụng mô hình Deep Learning và Explainable AI trong xây dựng hệ thống dự đoán rời bỏ khách hàng cho CRM tại ngân hàng

Abstract

Trong bối cảnh ngành ngân hàng đối mặt với thách thức giữ chân khách hàng trong thời đại số hóa, nghiên cứu này tập trung vào việc phát triển hệ thống thông minh dự đoán nguy cơ rời bỏ khách hàng (customer churn) tại ABC Multistate Bank. Nghiên cứu áp dụng quy trình CRISP-DM, sử dụng mô hình học sâu Artificial Neural Network (ANN) để dự đoán xác suất rời bỏ dựa trên dữ liệu 10.000 mẫu, bao gồm thông tin nhân khẩu học, tài chính, và dịch vụ. Kỹ thuật SMOTE được sử dụng để xử lý mất cân bằng dữ liệu (80% không rời bỏ, 20% churn), trong khi SHAP cung cấp giải thích minh bạch về các yếu tố ảnh hưởng (như số sản phẩm, tuổi, số dư tài khoản). Kết quả cho thấy ANN đạt hiệu suất cao với Accuracy 0.842, F1-score 0.608, và ROC-AUC 0.753, vượt trội so với Convolutional Neural Network (CNN) và Recurrent Neural Network (RNN). Hệ thống CRM Dashboard bằng Streamlit được triển khai, tích hợp chỉ số Churn Risk Score (0-100) và đề xuất hành động như gọi điện, gửi email, hoặc theo dõi định kỳ. Nghiên cứu mang lại hàm ý lý thuyết về tiềm năng học sâu và giải pháp thực tiễn trong tối ưu hóa chiến lược CRM, dù còn hạn chế về dữ liệu tĩnh và tích hợp thực tế. Các hướng phát triển tương lai bao gồm tích hợp dữ liệu thời gian thực, tối ưu hóa mô hình, và mở rộng ứng dụng sang các lĩnh vực tài chính khác.