Ιδρυματικό Αποθετήριο [SANDBOX]
Πολυτεχνείο Κρήτης
EN  |  EL

Αναζήτηση

Πλοήγηση

Ο Χώρος μου

Αλγόριθμοι μηχανικής μάθησης για την προσέλκυση πελατών: μια συγκριτική αξιολόγηση στο χώρο των τραπεζικών υπηρεσιών

Tavernaraki Maria-Zouzanna

Πλήρης Εγγραφή


URI: http://purl.tuc.gr/dl/dias/AB63FE3E-E1BC-47F3-8D64-E5F4698C8D11
Έτος 2020
Τύπος Διπλωματική Εργασία
Άδεια Χρήσης
Λεπτομέρειες
Βιβλιογραφική Αναφορά Μαρία-Ζουζάννα Ταβερναράκη, "Αλγόριθμοι μηχανικής μάθησης για την προσέλκυση πελατών: μια συγκριτική αξιολόγηση στο χώρο των τραπεζικών υπηρεσιών", Διπλωματική Εργασία, Σχολή Μηχανικών Παραγωγής και Διοίκησης, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2020 https://doi.org/10.26233/heallink.tuc.86873
Εμφανίζεται στις Συλλογές

Περίληψη

Η γνώση των πελατών που διαθέτει μια τράπεζα και κατ’ επέκταση κάθε επιχείρηση, είναι σημαντικό βήμα προκειμένου να είναι σε θέση να προβλέψει τη καταναλωτική συμπεριφορά των πελατών που θέλει να προσελκύσει. Δηλαδή, γνωρίζοντας το τρόπο επιλογής προϊόντων και υπηρεσιών που κατέχουν οι πελάτες της είναι δυνατόν να γίνει πρόβλεψη και άλλων με παρόμοια συμπεριφορά. Από τις πλέον διαδεδομένες μεθόδους που χρησιμοποιούν οι επιχειρήσεις για το σκοπό αυτό είναι η χρήση αλγορίθμων μηχανικής μάθησης. Σκοπός είναι η καθοδήγηση του αναγνώστη μέσω της ανάλυσης της αξίας των πελατειακών σχέσεων κ της καθοριστικής συμβολής των εργαλείων και τεχνικών εξόρυξης δεδομένων στην εφαρμογή των αλγορίθμων μηχανικής μάθησης. Η εφαρμογή των αλγορίθμων αφορά την εύρεση των τραπεζικών προϊόντων μιας Ισπανικής τράπεζας που είναι πιο πιθανόν να αγορασθούν και από ποιους πελάτες βάσει της καταναλωτικής συμπεριφοράς των ίδιων αλλά και των πελατών που ήδη έχουν αγοράσει αυτά τα προϊόντα. Για την επίλυση του προβλήματος χρησιμοποιήθηκαν μοντέλα ταξινόμησης, τα οποία εκτελέσθηκαν μέσω του προγράμματος R. Οι μέθοδοι που χρησιμοποιήθηκαν είναι: Λογιστική Παλινδρόμηση, Δέντρα λήψης αποφάσεων ενίσχυσης κλίσης, Δέντρα ταξινόμησης και παλινδρόμησης, Ενισχυμένη Λογιστική Παλινδρόμηση και Νευρωνικά δίκτυα. Στη συνέχεια έγινε η αξιολόγηση των μοντέλων που δημιουργήθηκαν από τους παραπάνω αλγορίθμους μέσω του δείκτη AUROC και πραγματοποιήθηκε η κατάταξη τους βάσει της απόδοσης τους. Για κάθε μοντέλο έγινε υπολογισμός της σημαντικότητας των μεταβλητών που χρησιμοποιήθηκαν για να εξαχθούν τα αποτελέσματα.

Διαθέσιμα αρχεία

Υπηρεσίες

Στατιστικά