پیش‌بینی ریزش مشتری در صنعت تناسب‌اندام با یادگیری ماشین

نوع مقاله : مقاله پژوهشی

نویسنده

دکتری مدیریت ورزشی، گروه مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه مازندران، بابلسر، ایران.

10.22091/its.2026.15348.1043

چکیده

هدف: ریزش مشتری در صنعت تناسب‌اندام به‌دلیل اتکای ساختاری باشگاه‌ها به حق‌عضویت چالشی راهبردی است؛ افزایش پنج درصدی نرخ نگهداشت می‌تواند تا بیست و پنج درصد سود را بالا ببرد. این پژوهش با هدف یک چارچوب ترکیبی به‌منظور پیش‌بینی ریزش مشتری در صنعت تناسب‌اندام با دقت بالا انجام شد.
روش پژوهش: مجموعه داده از کلیه اعضای فعال و غیرفعال سیزده باشگاه ورزشی در چهار کلان‌شهر ایران (تهران، اصفهان، مشهد و شیراز) طی بازه فروردین ۱۴۰۰ تا شهریور ۱۴۰۴ با روش سرشماری جمع‌آوری شد.
 یافته‌ها: رویکرد ترکیبی الگوریتم‌های فرابتکاری شامل ژنتیک بهبودیافته، عنکبوت-زنبور باینری بهبودیافته، گوریل-پرندگان و کرم شب‌تاب تنوع‌گرا، بیست‌وسه ویژگی اولیه را به هشت ویژگی نهایی فروکاست. در میان نه مدل یادگیری ماشین، جنگل تصادفی، درختان فوق‌العاده و رأی‌گیری آنسامبل با دقت یکسان نود و یک و سی و سه صدم درصد بالاترین عملکرد را به‌دست آوردند. آزمون‌های فریدمن، نمنیی و مک‌نمار با تصحیح بنفرونی نشان دادند هفت مدل برتر از نظر آماری معادل‌اند. تحلیل اهمیت ویژگی‌ها نشان داد امتیاز ریسک، ثبات حضور و امتیاز خالص ترویج‌کنندگان مهم‌ترین پیش‌بینی‌کننده‌های ریزش هستند که توزیع متعادلی از ابعاد رفتاری، تعاملی، رضایت‌مندی و عضویت را پوشش می‌دهند و بر چندبعدی بودن پدیده ریزش تأکید دارند.
نتیجه‌گیری: یافته‌های این پژوهش پیامدهای عملی برای مدیران باشگاه‌های تناسب‌اندام ارائه می‌دهد. نخستین کاربرد عملی، شناسایی پیشگیرانه مشتریان در معرض ریزش است؛ مدل توسعه‌یافته قادر است حدود هشتاد و هفت درصد از مشتریان در معرض ریزش را پیش از ترک شناسایی کند و این به مدیران اجازه می‌دهد به‌جای واکنش به ریزش پس از وقوع، به‌طور پیشگیرانه اقدام کنند.

کلیدواژه‌ها

موضوعات