Hệ thống dự báo khách hàng rời bỏ dịch vụ ngân hàng trên nền tảng học máy

Tóm tắt

<p><span style="font-weight: 400;">Sự phát triển nhanh chóng của công nghệ số, đặc biệt là trí tuệ nhân tạo, đã làm thay đổi căn bản phương pháp phân tích và khai thác dữ liệu trong ngành ngân hàng. Tuy nhiên, các mô hình truyền thống vẫn chủ yếu dựa trên dữ liệu định danh tĩnh, chưa tận dụng hiệu quả dữ liệu hành vi giao dịch để dự báo rủi ro khách hàng rời bỏ dịch vụ. Nghiên cứu này đề xuất một mô hình học máy ứng dụng dữ liệu giao dịch tài khoản DEBIT nhằm dự đoán khả năng khách hàng ngừng sử dụng dịch vụ ngân hàng. Dữ liệu được thu thập từ hệ thống CASA của ba ngân hàng thương mại tại khu vực phía Nam, thông qua hợp tác chính thức phục vụ mục đích nghiên cứu học thuật và đảm bảo các nguyên tắc bảo mật thông tin. Trên cơ sở dữ liệu này, nhóm tác giả tiến hành huấn luyện và so sánh hiệu quả dự báo giữa các mô hình học máy phổ biến. Kết quả thực nghiệm cho thấy mô hình Random Forest đạt độ chính xác cao nhất (96%) và có tiềm năng ứng dụng vào hệ thống quản trị quan hệ khách hàng (CRM). Mô hình đề xuất giúp nhận diện sớm các khách hàng có nguy cơ rời bỏ dịch vụ, từ đó hỗ trợ ngân hàng xây dựng các chiến lược giữ chân phù hợp. Nghiên cứu góp phần bổ sung cơ sở thực nghiệm cho lĩnh vực phân tích hành vi khách hàng trên nền tảng học máy trong bối cảnh chuyển đổi số tại các tổ chức tài chính - ngân hàng</span></p>