หลักสูตร/ปี พ.ศ. วิทยาศาสตรมหาบัณฑิต สาขาวิชาเทคโนโลยีสารสนเทศ ปี พ.ศ. 2567
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคฤดูร้อน ปีการศึกษา 2567
ประเภทโครงงาน
การศึกษาค้นคว้าอิสระ
ชื่อโครงงานภาษาไทย
การเพิ่มอัตราการรักษาลูกค้าในอุตสาหกรรมบริการโลจิสติกส์ผ่านการทำนายการเลิกใช้บริการ
ชื่อโครงงานภาษาอังกฤษ
Enhancing Customer Retention in the Logistics Service Industry through Churn Prediction
ผู้พัฒนา
6414551023 นายอรรถพล ทองวิชิต
อาจารย์ที่ปรึกษาหลัก
กฤษณะ ไวยมัย
อาจารย์ที่ปรึกษาร่วม
สมชาย นำประเสริฐชัย
บทคัดย่อ
การรักษาฐานลูกค้าเดิมในกลุ่มการขนส่งโลจิสติกส์ถือเป็นเรื่องสำคัญของบริษัท โดยการรักษาฐานรายได้เดิมให้คงอยู่นั้น ถือเป็นเรื่องสำคัญอย่างยิ่งในธุรกิจการขนส่ง เนื่องจากมีการเลิกใช้บริการสูงและจากปัจจัยราคา ดังนั้นเพื่อที่จะรักษาฐานลูกค้าเดิมและหากลยุทธ์เพื่อเพิ่มลูกค้าใหม่ จึงจำเป็นอย่างยิ่งที่ต้องมีเครื่องมือที่ช่วยเฝ้าระวังการเลิกใช้บริการในกลุ่มลูกค้าเดิมของบริษัท
ในงานวิจัยเกี่ยวกับการเลิกใช้บริการในธุรกิจการขนส่งโลจิสติกส์นี้ได้นำเทคนิคการเรียนรู้ด้วยเครื่องและการประยุกต์ใช้ Analytics with tableau เพื่อสร้างเครื่องมือที่ช่วยในการติดตามและทำนายการเลิกใช้บริการ มาประยุกต์ใช้กับธุรกิจโลจิสติกส์ เพื่อเพิ่มประสิทธิภาพในการรักษาฐานลูกค้าเดิม โดยในส่วนของการเรียนรู้ด้วยเครื่องจะวัดผลจากการเปรียบเทียบค่าความถูกต้องและแม่นยำของโมเดลการเรียนรู้ด้วยเครื่อง 3 โมเดล คือ XGBoost,RandomForest,Logistic Regression เพื่อนำมาวิเคราะห์ข้อมูลการเลิกใช้บริการของลูกค้า ในส่วนของ dashboard ใช้สำหรับระบุว่ากลุ่มลูกค้าใดบ้างที่มีแนวโน้มจะเลิกใช้บริการ ให้สามารถระบุเป้าหมายได้อย่างถูกต้องโดยผลลัพธ์ในการดำเนินงาน ผู้วิจัยได้เลือกโมเดล XGBoost ที่ปรับความสมดุลของข้อมูลด้วยวิธี Smote และผลลัพธ์ค่าความถูกต้อง(Accuracy) อยู่ที่ 0.94 และค่า Macro F-1 Score อยู่ที่ 0.94 เพื่อใช้ในการดำเนินการต่อไป
Abstract
Customer Retention in the Logistics Transportation Sector Maintaining an existing customer base is crucial for companies in the logistics transportation sector. Retaining existing revenue streams is of paramount importance in the transportation business due to high service discontinuation rates and price factors. Therefore, to preserve the existing customer base and develop strategies to attract new customers, it is essential to have tools to monitor service discontinuation among the company’s current customers.
This research on service discontinuation in the logistics transportation industry utilizes machine learning techniques and the application of Analytics with Tableau to create tools that aid in tracking and predicting service discontinuation. These tools are applied to the logistics business to enhance the efficiency of customer retention. In the machine learning segment, the effectiveness is measured by comparing the accuracy and precision of three machine learning models: XGBoost, RandomForest, and Logistic Regression, to analyze customer service discontinuation data.
The dashboard is used to identify customer groups that are likely to discontinue the service, allowing for accurate targeting. Based on the operational results, the researcher selected the XGBoost model, which was balanced using the SMOTE method. The model achieved an accuracy of 0.94 and a Macro F-1 Score of 0.94, which will be used for further implementation.
คำสำคัญ (Keywords)
Churn analysis, Classification , Machine Learning
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
-
ที่เก็บเวอร์ชันซอร์สโค้ด
-
ผู้นำเข้าข้อมูลครั้งแรก
นายอรรถพล
ทองวิชิต
(g6414551023)
แก้ไขครั้งสุดท้าย
เมื่อ Aug. 23, 2024, 5:40 p.m. โดย
นายอรรถพล
ทองวิชิต
(g6414551023)
สถานะการอนุมัติ
รออนุมัติ