การทำนายแนวโน้มของลูกค้าที่จะไม่กลับมาซื้อซ้ำ กรณีศึกษา: กลุ่มธุรกิจค้าปลีกผ่านช่องทางพาณิชย์อิเล็กทรอนิกส์

การวิเคราะห์หาสาเหตุของการที่ลูกค้าตัดสินใจยกเลิกบริการหรือตัดสินใจไม่กลับมาซื้อสินค้า (Churn analysis) เป็นวิธีการที่มีส่วนช่วยในการสนับสนุนให้กับภาคธุรกิจสามารถรักษาฐานลูกค้าให้ยังคงซื้อสินค้าและบริการต่อไปกับบริษัท เพราะในแวดวงธุรกิจ ต้นทุนในการหาลูกค้าใหม่ค่อนข้างสูงเมื่อเปรียบเทียบกับต้นทุนในการรักษาลูกค้าเดิม โดยวิธีการดังกล่าวจะสามารถทำนายคนที่มีโอกาสยกเลิกบริการหรือตัดสินใจไม่กลับมาซื้อสินค้าได้ ทำให้ภาคธุรกิจสามารถนำไปต่อยอดในเชิงการขายและการตลาดได้อย่างมีประสิทธิภาพมากยิ่งขึ้นในช่วงที่ผ่านมางานวิจัยส่วนใหญ่ในด้านนี้จะมุ่งเน้นไปที่การวิเคราะห์หาสาเหตุของการที่ลูกค้าตัดสินใจยกเลิกบริการในรูปแบบธุรกิจที่มีระบบการต่ออายุสมาชิก (Subscription business) เช่น ธุรกิจโทรคมนาคม เครือข่ายมือถือ หรือ สินค้าและบริการต่าง ๆ ที่มีรอบการต่ออายุ ที่แน่นอน ซึ่งจะง่ายต่อการแบ่งระหว่างลูกค้าที่ยังคงเป็นสมาชิกต่อไปกับลูกค้าที่ตัดสินใจยกเลิกบริการ แต่ในแวดวงธุรกิจยังมีธุรกิจอีกเป็นจำนวนมากที่ไม่มีระบบการต่ออายุสมาชิก (Non-subscription business) เช่น ธุรกิจที่ขายสินค้าและบริการในรูปแบบการขายปลีก การขายส่ง หรือ การขายตรง ซึ่งเป็นในรูปแบบของการที่ลูกค้ากลับมาซื้อซ้ำ หรือ ซื้อเพิ่มภายหลังจากที่มีการซื้อสินค้าและบริการเป็นครั้งแรก ซึ่งในรูปแบบนี้จะไม่ได้มีกำหนดระยะเวลาที่แน่นอนที่ใช้แบ่งระหว่างลูกค้าที่กลับมาซื้อซ้ำ หรือ ซื้อเพิ่มกับลูกค้าที่มาซื้อเพียงไม่กี่ครั้งแล้วไม่กลับมาซื้ออีกเลยงานวิจัยนี้จึงนำเสนอเทคนิคที่ใช้ในการจำแนกลูกค้าที่กลับมาซื้อซ้ำ หรือ ซื้อเพิ่มกับลูกค้าที่มาซื้อเพียงไม่กี่ครั้งแล้วไม่กลับมาซื้ออีกเลย ในกลุ่มธุรกิจที่ไม่มีการต่ออายุสมาชิก (Non-subscription business) โดยจะนำเสนอแนวคิดการคำนวณหาจุดเวลาที่ใช้แบ่งแยกลูกค้าทั้งสองกลุ่มจากการวิเคราะห์ข้อมูลเชิงสำรวจ (Exploratory data analysis) และการวิเคราะห์คุณค่าลูกค้า (RFM Analysis) มาใช้ในการสร้างคุณลักษณะขึ้นมาใหม่ เพื่อนำไปใช้ในการจำแนกประเภท(Classification)ผลการทดลองพบว่าหากใช้วิธีการจัดการกับความไม่สมดุลของข้อมูลแบบการเพิ่มจำนวนตัวอย่างข้อมูลแบบสุ่ม (Random Over-Sampling) และใช้อัลกอริทึมการสุ่มป่าไม้ (RandomForest) จะได้ผลการประเมินที่ดีที่สุด โดยให้ค่าความถูกต้อง (Accuracy) 91.3 % ค่าความแม่นยำ (Precision) 92.8 % และค่าความระลึกได้ (Recall) 89.5 %