Dự đoán khách hàng rời bỏ ứng dụng ngân hàng di động dựa trên mô hình rừng ngẫu nhiên

Nghiên cứu được thực hiện nhằm đánh giá hiệu suất của mô hình Rừng ngẫu nhiên trong việc dự đoán xu hướng khách hàng rời bỏ ứng dụng ngân hàng số, đồng thời khám phá các đặc trưng đầu vào có đóng góp quan trọng trong việc nhận diện ý định rời bỏ của khách hàng. Phương pháp định tính, định lượng, và phân tích trắc lượng thư mục được sử dụng trong nghiên cứu. Dữ liệu mô phỏng được sử dụng để huấn huyện mô hình Random Forest với 5 đặc trưng đầu vào bao gồm (1) Tần suất đăng nhập, (2) Truy vấn số dư, (3) Giao dịch chuyển khoản, (4) Gửi tiết kiệm online, (5) Thanh toán hóa đơn định kỳ. Ngoài ra, nghiên cứu còn so sánh hiệu suất của Random Forest với các mô hình học máy có giám sát khác, bao gồm Gradient Boosting, Logistic Regression và SVM. Kết quả cho thấy Random Forest đạt hiệu suất dự đoán cao nhất, với độ chính xác lên đến 99,5%. Hai đặc trưng là chỉ báo mạnh gồm “Tần suất đăng nhập” và “Truy vấn số dư”. Từ kết quả nghiêncứu, tác giả đề xuất một số giải pháp nhằm nâng cao hiệu quả quản lý và duy trì sự gắn bó của khách hàng với ứng dụng ngân hàng số trong bối cảnh kinh doanh trên nền tảng công nghệ số phát triển mạnh mẽ.