|
การพัฒนาตัวแบบพยากรณ์การรักษาฐานลูกค้า ด้วยเทคนิคการเรียนรู้ของเครื่อง: กรณีศึกษาธุรกิจแฟรนไชส์จุดรับส่งพัสดุ |
|---|---|
| รหัสดีโอไอ | |
| Creator | จามรกุล เหล่าเกียรติกุล |
| Title | การพัฒนาตัวแบบพยากรณ์การรักษาฐานลูกค้า ด้วยเทคนิคการเรียนรู้ของเครื่อง: กรณีศึกษาธุรกิจแฟรนไชส์จุดรับส่งพัสดุ |
| Contributor | วุฒินันท์ บุญโพธิ์ |
| Publisher | วารสารนวัตกรรมการบริหารและการจัดการ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ |
| Publication Year | 2569 |
| Journal Title | วารสารนวัตกรรมการบริหารและการจัดการ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ |
| Journal Vol. | 14 |
| Journal No. | 2 |
| Page no. | 57-74 |
| Keyword | การรักษาฐานลูกค้า, การเรียนรู้ของเครื่อง, การสังเคราะห์ข้อมูลรูปแบบตารางด้วยโครงข่ายเชิงปริปักษ์, การวิเคราะห์พฤติกรรมลูกค้า, เอ็กซ์จีบูสต์ |
| URL Website | https://so02.tci-thaijo.org/index.php/RCIM |
| Website title | วารสารนวัตกรรมการบริหารและการจัดการ มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์ |
| ISSN | ISSN 3057-1758 |
| Abstract | การศึกษาวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) พัฒนาตัวแบบพยากรณ์ข้อมูลด้วยเทคนิคการเรียนรู้ของเครื่องที่สามารถทำนายการกลับมาใช้บริการ 2) เปรียบเทียบประสิทธิภาพของตัวแบบที่สร้างด้วยเทคนิคการเรียนรู้ของเครื่อง และ 3) วิเคราะห์ปัจจัยสำคัญที่ส่งผลต่อการรักษาฐานลูกค้าในธุรกิจแฟรนไชส์จุดรับส่งพัสดุ ในส่วนของวิธีดำเนินการวิจัยได้อ้างอิงตามกระบวนการมาตรฐานการทำเหมืองข้อมูล โดยใช้ข้อมูลรายการธุรกรรม (เดือนสิงหาคม 2568 ถึงมกราคม 2569) ข้อมูลถูกจัดเตรียมด้วยการสกัดคุณลักษณะตามกรอบแนวคิดการวิเคราะห์พฤติกรรมลูกค้าด้วย ปัจจัยด้านความใหม่ ความถี่ และ มูลค่าทางการเงิน ร่วมกับปัจจัยการใช้บริการเก็บเงินปลายทาง และนำเทคนิคการสังเคราะห์ข้อมูลรูปแบบตารางด้วยโครงข่ายเชิงปริปักษ์ มาใช้ในการปรับสมดุลของข้อมูลในชุดการเรียนรู้ เพื่อยกระดับประสิทธิภาพของตัวแบบพยากรณ์ ก่อนดำเนินการเปรียบเทียบประสิทธิภาพของอัลกอริทึมการเรียนรู้ของเครื่อง คือ เทคนิคการถดถอยโลจิสติก เทคนิคป่าสุ่ม เทคนิคเอ็กซ์จีบูสต์ และ เทคนิคซัพพอร์ตเวกเตอร์แมชชีน ผลการวิจัยตอบวัตถุประสงค์ดังนี้ 1) ผลการพัฒนาตัวแบบพยากรณ์สำเร็จ ได้ตัวแบบที่สามารถขจัดความไม่สมดุลในการเรียนรู้ของตัวแบบได้ 2) ผลการเปรียบเทียบพบว่า ตัวแบบเทคนิคเอ็กซ์จีบูสต์ มีประสิทธิภาพในการพยากรณ์สูงที่สุด โดยให้ค่าพื้นที่ใต้กราฟ เท่ากับ 0.8462 ซึ่งมีความเหมาะสมที่สุดในการนำไปประยุกต์ใช้เพื่อพยากรณ์การกลับมาของลูกค้า 3) ผลการวิเคราะห์ปัจจัยสำคัญพบว่า ปัจจัยด้านความใหม่ของการใช้บริการ เป็นตัวแปรที่มีอิทธิพลต่อการพยากรณ์มากที่สุด ตามด้วยสถานะการใช้บริการเก็บเงินปลายทางผลลัพธ์จากงานวิจัยนี้บ่งชี้ว่าการใช้ชุดข้อมูลจากธุรกิจขนาดเล็กสร้างตัวแบบพยากรณ์ สามารถนำตัวแบบนี้ไปใช้เป็นเครื่องมือสนับสนุนการตัดสินใจเพื่อวางแผนกลยุทธ์การรักษาฐานลูกค้าเชิงรุกเพิ่มอัตราการใช้บริการซ้ำ และสร้างความได้เปรียบทางการแข่งขันในธุรกิจขนส่งได้ อย่างมีประสิทธิภาพ |
