Etude comparative des algorithmes de prédictions des clients abondants

Abstract

Dans ces dernières années, il est devenu fondamental, pour les entreprises, de gérer les relations avec leurs clients, afin d’augmenter leurs revenus. En économie d’entreprise, ce concept est connu en tant que « Customer Relationship Management » (CRM). En réalité, La perte de la clientèle ou d’abonnés est toujours un problème grave pour les entreprises, car les clients n'hésitent pas à se désabonner ou de changer l’établissement s'ils ne trouvent pas ce qu'ils recherchent. Les clients veulent certainement des prix compétitifs, et surtout, un service de haute qualité. C'est un fait connu que l’acquisition de nouveaux clients peut coûter cinq fois plus que conserver les clients. Cela amène les entreprises à comprendre et analyser le comportement de leurs clients, afin d’identifier les clients partants. De ces changements, plusieurs algorithmes de prédictions en datamining sont nés tels que : • Arbre de décision • Réseaux de neurones • Régression logistique • SVM • Naïve Bayes Le but de ce document est de comparer ces différents algorithmes afin de définir l’algorithme qu’on doit utiliser dans la Prédiction des clients abondants.***

In recent years, it has become fundamental for companies to manage relationships with their customers in order to increase their income. In business economics, this concept is known as "Customer Relationship Management" (CRM). In fact, losing customers or subscribers is always a serious problem for businesses, as customers are quick to unsubscribe or change locations if they can't find what they're looking for. Customers certainly want competitive prices, and most importantly, high quality service. It's a known fact that acquiring new customers can cost five times more than retaining customers. This leads companies to understand and analyze the behavior of their customers, in order to identify leaving customers. From these changes, several data mining prediction algorithms were born such as: • Decision tree • Neural networks • Logistic regression • SVM • Naïve Bayes The purpose of this document is to compare these different algorithms in order to define the algorithm that should be used in the prediction of abundant clients.