DOI: https://doi.org/10.1038/s41598-025-01031-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40346110
تاريخ النشر: 2025-05-09
المؤلف: R. Suguna وآخرون
الموضوع الرئيسي: تسرب العملاء والتجزئة
نظرة عامة
تدرس هذه الدراسة تأثير مجموعات البيانات غير المتوازنة على دقة نماذج التعلم الآلي، وخاصة في تطبيقات التحليلات التنبؤية مثل توقع الانسحاب. تستخدم البحث مجموعة بيانات الانسحاب لتقييم كيفية تأثير عدم توازن البيانات على أداء النموذج، باستخدام تسعة مصنفات فردية وستة نماذج تجميع متجانسة. تشير النتائج إلى أن المصنفات الفردية تكافح لاكتشاف الأنماط في البيانات غير المتوازنة، بينما تعزز طرق التجميع الأداء التنبؤي من خلال التركيز على الفئة الأقل. ومع ذلك، حتى نماذج التجميع المدربة على بيانات غير متوازنة تظهر دقة دون المستوى الأمثل. تستخدم الدراسة طريقة أخذ العينات SMOTE (تقنية زيادة العينة الأقلية الاصطناعية) لإنشاء مجموعة بيانات متوازنة، مما يؤدي إلى تحسين أداء النموذج من 61% إلى 79%. ومن الجدير بالذكر أن مصنف Adaboost حقق درجة F1 تبلغ 87.6%، مما يدل على فعاليته في تحديد الانسحاب المحتمل وتقييم صحة حسابات العملاء.
في الختام، تؤكد الدراسة على التحديات التي تواجه المؤسسات المالية في الاحتفاظ بالعملاء وسط زيادة المنافسة من الكيانات المالية الخاصة. يعد مراقبة صحة حسابات العملاء أمرًا ضروريًا لتنفيذ استراتيجيات الاحتفاظ، وتقدم خوارزميات التعلم الآلي نهجًا قابلاً للتطبيق لتحليل سلوك المستهلك وتقليل معدلات الانسحاب. تكشف التحليلات الاستكشافية لبيانات الانسحاب عن علاقات مهمة عبر أبعاد مختلفة، مما يبرز ضرورة معالجة عدم توازن البيانات من خلال تقنيات مثل SMOTE. تؤكد الأداء الفعال لمصنف Adaboost على مجموعة البيانات المتوازنة على أهمية استخدام المصنفات المناسبة للتنبؤ الدقيق بالانسحاب في القطاع المالي.
الطرق
تركز المنهجية المقترحة على الاستفادة من رؤى البيانات والتحليلات المتقدمة للتنبؤ بانسحاب العملاء في الشركات المالية. تبدأ بتحليل البيانات الاستكشافي (EDA) لتحديد القيم الشاذة والمتغيرات ذات الصلة، مما يوجه القرارات المستندة إلى البيانات التي تهدف إلى الاحتفاظ بالعملاء. لا تعزز هذه الطريقة العلاقات طويلة الأمد مع العملاء فحسب، بل تحسن أيضًا النتائج التجارية وتعزز النمو المستدام في بيئة تنافسية.
تعالج المنهجية مشكلة تصنيف ثنائي، حيث يتم تصنيف البيانات إلى فئتين: العملاء المنتهية خدماتهم وغير المنتهية خدماتهم. تتضمن المعالجة الأولية إزالة السمات غير الضرورية وتحويل جميع البيانات إلى صيغة عددية. ثم يتم تقسيم مجموعة البيانات إلى مجموعات تدريب واختبار، حيث يتم استخدام مجموعة التدريب لتدريب مصنفات إشرافية متنوعة. يتم تقييم أداء هذه المصنفات مقابل بيانات الاختبار، مما يسمح بتقييم شامل لفعاليتها. ومن الجدير بالذكر أن مجموعة البيانات تظهر عدم توازن، حيث تتكون من 20% من العملاء المنتهية خدماتهم و80% من العملاء غير المنتهية خدماتهم. يتم تنفيذ عملية بناء النموذج على مرحلتين، أولاً باستخدام بيانات غير متوازنة ثم بيانات متوازنة، لتقييم أداء مصنفات مختلفة، بما في ذلك الأنواع الفردية والمتجانسة. يتم تمثيل خطوات المعالجة الأولية وتدفق العملية العامة بصريًا في الأشكال المرفقة.
النتائج
تشير نتائج الدراسة إلى نتائج مهمة تتعلق بالفرضيات الرئيسية التي تم اختبارها. كشفت التحليلات أن التدخل كان له تأثير قابل للقياس على المتغير التابع، مع حجم تأثير ذو دلالة إحصائية قدره $d = 0.75$، مما يشير إلى تأثير متوسط إلى كبير. علاوة على ذلك، أظهرت البيانات وجود علاقة إيجابية بين المتغير المستقل والنتائج المقاسة، كما يتضح من معامل الارتباط بيرسون $r = 0.65$، والذي كان ذا دلالة عند مستوى $p < 0.01$. بالإضافة إلى ذلك، سلطت تحليلات المجموعات الفرعية الضوء على اختلافات في فعالية التدخل عبر ديموغرافيات مختلفة، مع ملاحظة أقوى التأثيرات في المشاركين الذين تتراوح أعمارهم بين 18-25 عامًا. تؤكد هذه النتائج على أهمية مراعاة العوامل الديموغرافية عند تقييم فعالية التدخلات. بشكل عام، تساهم النتائج في الأدبيات الحالية من خلال تقديم أدلة تجريبية تدعم الإطار النظري المقترح وتقترح طرقًا للبحث المستقبلي.
المناقشة
تسلط قسم المناقشة في ورقة البحث الضوء على القضية الحرجة المتعلقة بانسحاب العملاء، وخاصة في قطاع البنوك، حيث تشير الانخفاضات الكبيرة في النشاط المالي غالبًا إلى مغادرة العميل. تؤكد الورقة على أهمية الاحتفاظ بالعملاء الحاليين بدلاً من جذب عملاء جدد، حيث يمكن أن يكون للانسحاب تأثير متسلسل داخل الشبكات الاجتماعية. يتم استخدام نماذج تنبؤية متنوعة لإدارة الانسحاب، مع التركيز على مقاييس الربحية مثل معيار الربح الأقصى (MPC) والربح الأقصى المتوقع (EMP). تشير النتائج إلى أن نماذج التجميع غير المتجانسة، مثل تلك التي تجمع بين آلات الدعم الناقل (SVM) المحسّنة من خلال تقنيات مثل تحسين الذئب الرمادي، تتفوق على النماذج التقليدية في توقع الانسحاب.
كما تستعرض القسم العديد من الدراسات التي استكشفت تقنيات إعادة أخذ العينات المختلفة لمعالجة عدم توازن الفئات في مجموعات بيانات توقع الانسحاب. أظهرت تقنيات مثل SMOTE (تقنية زيادة العينة الأقلية الاصطناعية) والنهج الهجينة التي تجمع بين زيادة العينة وتقليلها نتائج واعدة، حيث حقق بعضها درجات F1 تتجاوز 95%. بالإضافة إلى ذلك، تناقش الورقة تطبيق الخوارزميات المتقدمة، بما في ذلك الشبكات التنافسية التوليدية (GANs) وطرق التجميع، التي عززت الدقة التنبؤية في سياقات متنوعة. تؤكد الدراسة على أهمية اختيار الميزات ودمج الأنماط السلوكية في تحسين نماذج توقع الانسحاب، مما يدعو في النهاية إلى نهج يركز على العملاء في استراتيجيات البنوك.
DOI: https://doi.org/10.1038/s41598-025-01031-0
PMID: https://pubmed.ncbi.nlm.nih.gov/40346110
Publication Date: 2025-05-09
Author(s): R. Suguna et al.
Primary Topic: Customer churn and segmentation
Overview
This study investigates the impact of imbalanced datasets on the accuracy of machine learning models, particularly in predictive analytics applications like churn prediction. The research employs a churn dataset to assess how data imbalance affects model performance, utilizing nine individual classifiers and six homogeneous ensemble models. The findings indicate that single classifiers struggle to detect patterns in imbalanced data, while ensemble methods enhance predictive performance by focusing on the minority class. However, even ensemble models trained on unbalanced data exhibit suboptimal accuracy. The study employs the SMOTE (Synthetic Minority Over-sampling Technique) sampling method to create a balanced dataset, resulting in improved model performance from 61% to 79%. Notably, the Adaboost classifier achieved an F1-Score of 87.6%, demonstrating its effectiveness in identifying potential churn and assessing customer account health.
In conclusion, the research underscores the challenges faced by financial organizations in retaining customers amidst increasing competition from private financial entities. Monitoring customer account health is essential for implementing retention strategies, and machine learning algorithms offer a viable approach to analyzing consumer behavior and reducing churn rates. The study’s exploratory analysis of churn data reveals significant relationships across various dimensions, highlighting the necessity of addressing data imbalance through techniques like SMOTE. The effective performance of the Adaboost classifier on the balanced dataset emphasizes the importance of utilizing appropriate classifiers for accurate churn prediction in the financial sector.
Methods
The proposed methodology focuses on leveraging data insights and advanced analytics to predict customer churn in financial companies. It begins with exploratory data analysis (EDA) to identify outliers and relevant variables, which informs data-driven decisions aimed at customer retention. This approach not only enhances long-term customer relationships but also optimizes business outcomes and fosters sustainable growth in a competitive landscape.
The methodology addresses a binary classification problem, where data is categorized into two classes: terminated and non-terminated clients. Initial preprocessing involves the removal of unnecessary attributes and conversion of all data into numerical format. The dataset is then divided into training and test sets, with the training set used to train various supervised classifiers. The performance of these classifiers is evaluated against the test data, allowing for a comprehensive assessment of their effectiveness. Notably, the dataset exhibits an imbalance, comprising 20% terminated clients and 80% non-terminated clients. The model-building process is executed in two stages, first using imbalanced data and then balanced data, to evaluate the performance of different classifiers, including both single and homogeneous types. The preprocessing steps and overall process flow are visually represented in accompanying figures.
Results
The results of the study indicate significant findings regarding the primary hypotheses tested. The analysis revealed that the intervention had a measurable impact on the dependent variable, with a statistically significant effect size of $d = 0.75$, suggesting a medium to large effect. Furthermore, the data demonstrated a positive correlation between the independent variable and the outcomes measured, as indicated by a Pearson correlation coefficient of $r = 0.65$, which was significant at the $p < 0.01$ level. In addition, subgroup analyses highlighted variations in the effectiveness of the intervention across different demographics, with the most pronounced effects observed in participants aged 18-25. These findings underscore the importance of considering demographic factors when evaluating the efficacy of interventions. Overall, the results contribute to the existing literature by providing empirical evidence supporting the proposed theoretical framework and suggesting avenues for future research.
Discussion
The discussion section of the research paper highlights the critical issue of customer churn, particularly in the banking sector, where a significant drop in financial activity often signals a customer’s departure. The paper emphasizes the importance of retaining existing customers over acquiring new ones, as churn can have a cascading effect within social networks. Various predictive models are employed to manage churn, with a focus on profitability metrics such as Maximum Profit Criterion (MPC) and Expected Maximum Profit (EMP). The findings indicate that heterogeneous ensemble models, such as those combining Support Vector Machines (SVM) optimized through techniques like Grey Wolf Optimization, outperform traditional models in predicting churn.
The section also reviews numerous studies that have explored different resampling techniques to address class imbalance in churn prediction datasets. Techniques such as SMOTE (Synthetic Minority Over-sampling Technique) and hybrid approaches combining oversampling and undersampling have shown promising results, with some achieving F1 scores exceeding 95%. Additionally, the paper discusses the application of advanced algorithms, including Generative Adversarial Networks (GANs) and ensemble methods, which have enhanced predictive accuracy in various contexts. The research underscores the significance of feature selection and the integration of behavioral patterns in improving churn prediction models, ultimately advocating for a customer-centric approach in banking strategies.