طراحی الگوریتمی پویا برای کاوش در داده ها و پیش بینی صحیح پاسخ مشتری

مسئله شناسایی و پیش بینی پاسخ مشتریان جهت مخاطب قرار دادن در برنامه های بازاریابی مستقیم از دیرباز به عنوان یکی از مسائل مهم و مورد علاقه بازاریابان شیوه مستقیم مطرح شده است. بازاریابانی که از این رویکردها استفاده می کنند با خطر واکنش شدید مصرف کنندگانی که بازاریابی مستقیم را تعرض به زندگی خصوصی خود تلقی می کنند و از آن رنجیده خاطر می شوند روبرو هستند، بنابراین حتی ممکن است شرکت هایی را که از این روش ها استفاده می کنند به کلی تحریم کنند. شبکه های عصبی به عنوان ابزاری قدرتمند برای پیش بینی پاسخ مشتریان بالقوه شناخته شده اند ولی همان گونه که در پژوهش های گذشته نیز عنوان شده است همانند سایر الگوریتم های پیش بینی در مواجهه با داده های نامتوازن تمایل زیادی به انحراف در نتایج دارند. در این پژوهش به منظور ارتقاء توان شناسایی و پیش بینی مشتریان بالقوه توسط شبکه های عصبی مصنوعی چندلایه ضمن استفاده از روش های متداول متعادل سازی داده ها که در سایر مقاله ها به کرات استفاده شده است، اقدام به ایجاد ترکیب های مختلف از مشتریان توسط خوشه بندی آنها کرده و در نهایت به معرفی یک الگوریتم ابتکاری و بسیار کارآمد جهت شناسایی و رتبه بندی مشتریان بالقوه پرداخته ایم. نتایج حاکی از آن است که ایجاد ترکیب بهینه ای از داده های مشتریان و پیاده سازی الگوریتم پویای پژوهش حاضر به طرز قابل توجهی موجب ارتقاء قدرت پیش بینی شبکه های عصبی مصنوعی شده است.