การเปรียบเทียบตัวแบบการทำนายระดับและการเปลี่ยนระดับคุณค่า ของลูกค้าในระยะยาว
คำสำคัญ:
คุณค่าของลูกค้าในระยะยาว, การถดถอยลอจิสติกเชิงอันดับ, Random Forestบทคัดย่อ
งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้าง และเปรียบเทียบตัวแบบการทำนายระดับคุณค่าของลูกค้าในระยะยาว (CLV) และการเปลี่ยนระดับ CLV ในปีถัดไป โดยใช้ข้อมูลการซื้อขายผลิตภัณฑ์ประกันภัยของบริษัทกรณีศึกษาปีค.ศ. 2018-2020 ได้แก่ เพศ จำนวนปีที่เป็นลูกค้าต่อเนื่อง จำนวนกรมธรรม์ที่ยังมีผลคุ้มครอง เบี้ยประกันภัยรวม ทุนประกันรวม กำไรของกรมธรรม์รวม จำนวนครั้งที่เคลมรวม และระดับ CLV ตามเกณฑ์ของบริษัท (Standard, Plus, Extra และ Ultima) โดยใช้ ข้อมูลลูกค้าปีค.ศ. 2018 จำนวน 541,371 ราย สำหรับสร้างตัวแบบการถดถอยลอจิสติกเชิงอันดับ (OLR) และ Random Forest (RF) และใช้ข้อมูลลูกค้าปีค.ศ. 2019 เพื่อเปรียบเทียบประสิทธิภาพตัวแบบ และใช้ข้อมูลลูกค้าปีค.ศ. 2020 จำนวน 1,029,001 คน เพื่อทำนายระดับ CLV ในอนาคต
ผลการศึกษาพบว่า ตัวแบบ RF มีค่าความแม่นยำในการทำนายระดับ CLV โดยรวม คือ 75.01% ซึ่งมีประสิทธิภาพดีกว่าตัวแบบ OLR (ความแม่นยำ = 65.60%) อย่างไรก็ตาม ทั้งสองตัวแบบสามารถทำนายการเปลี่ยนระดับของลูกค้าได้แม่นยำเพียง 15.57% และ 25.74% ตามลำดับ ดังนั้นงานวิจัยนี้จึงเสนอการปรับค่าพารามิเตอร์ของตัวแบบOLR คือ เกณฑ์ความน่าจะเป็น ซึ่งทำให้ตัวแบบมีความแม่นยำในการพยากรณ์ระดับ CLV โดยรวมเพิ่มสูงขึ้น (ความแม่นยำ = 74.60%) และได้ค่าความแม่นยำในการทำนายการเปลี่ยนระดับสูงถึง 52.16% ดังนั้นงานวิจัยนี้จึงใช้ตัวแบบOLR ที่ปรับเกณฑ์ในการทำนายระดับ CLV ในอนาคต (ปีค.ศ. 2021) จำนวนทั้งสิ้น 1,029,001 ราย พบว่าจะมีลูกค้าอยู่ในระดับ Standard 40,786 ราย ระดับ Plus 809,951 ราย ระดับ Extra 168,389 ราย และ ระดับ Ultima 9,875 ราย
เอกสารอ้างอิง
Breiman, L. (2001). Random Forest s. Machine Learning, 45, 5–32. doi: 10.1023/A:1010933 404324.
Chang, W., Chang, C., & Li, Q. (2012). Customer Lifetime Value: A Review. Social Behavior and Personality: an international journal, 40(7), 1057-1064. doi:10.2224/sbp.2012.40. 7.1057.
Ho, T.K. (1995). Random Decision Forests. Proceedings of the 3rd International Conference on Document Analysis and Recognition 1, 278-282. doi: 10.1109/ICDA R.1995.598994.
Jackson, D. (1989). Determining a customer’s lifetime value. Direct Marketing, 51, 60-63.
James, G., Witten, D., Hastie, T. & Tibshirani, R. (2013). An Introduction to Statistical Learning with Applications in R. New York: Springer.
Office of Insurance Commission. (2019). Annual General Insurance Business Overview Report 2019. Retrieved form https://www.oic.or. th/th/industry /statistic/data/39/2.
RStudio Team. (2020). RStudio: Integrated Development for R, Boston: RStudio, PBC. Retrieved form http://www.rstudio.com/.
ดาวน์โหลด
เผยแพร่แล้ว
รูปแบบการอ้างอิง
ฉบับ
ประเภทบทความ
สัญญาอนุญาต
ลิขสิทธิ์ (c) 2022 วารสารการจัดการสมัยใหม่
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
