Ποσοτική προσέγγιση στην διερεύνηση της απώλειας Β2Β πελατών στη βιομηχανία μηχανολογικών κατασκευών

Abstract

Η ανάλυση της απώλειας πελατών (customer churn) σε επιχειρήσεις με πωλήσεις B2B (Business to Business) μπορεί να αποτελέσει σημαντικό εργαλείο στη διατήρηση μεριδίου αγοράς με στοχευμένα μέτρα και πολιτικές διατήρησης πελατών. Η διπλωματική εργασία επικεντρώνεται στην έρευνα της απώλειας B2B πελατών στη βιομηχανία μηχανολογικών κατασκευών, με τη χρήση μεθόδων μηχανικής μάθησης (Machine Learning), και πιο συγκεκριμένα Δέντρα Αποφάσεων (Decision Trees), Νευρωνικά Δίκτυα (Neural Networks), και Λογιστική Παλινδρόμηση (Logistic Regression). Πραγματοποιήθηκε επίσης περιγραφική ανάλυση των αρχικών δεδομένων και τμηματοποίηση πελατών (customer segmentation) με χρήση ανάλυσης RFM και Kmeans clustering για την αναγνώριση ομάδων πελατών με μεγαλύτερη πιθανότητα αποχώρησης (churn). Η ανάλυση ανέδειξε ότι και τα τρία μοντέλα μπορούν να προβλέψουν με καλή ακρίβεια την απώλεια πελατών με καλύτερο αυτό της Λογιστικής Παλινδρόμησης. Η αποτελεσματικότητα της χρήσης προηγμένων αλγορίθμων μηχανικής μάθησης στην κατανόηση και πρόβλεψη των παραγόντων που επηρεάζουν την απώλεια πελατών στις B2B εταιρείες μπορεί να βοηθήσει στη βιωσιμότητα και ανάπτυξή τους.