БАНК ПЕН КЛИЕНТТЕР АРАСЫНДАҒЫ ӨЗАРА ӘРЕКЕТТЕР ПРОЦЕСІНДЕГІ ӘЛСІЗ НҮКТЕЛЕРДІ АНЫҚТАУ ҮШІН МАШИНАЛЫҚ ОҚЫТУ АЛГОРИТМІН ҚОЛДАНУ

2025

Жабық қол жеткізу Метадеректер (CSL-JSON)
DOI 10.66941/3106-9037/2025/iss3pp28-36
Деректер сенімділігі 70 орташа
Бұл баға қалай есептеледі

Ол жазбаның өзінің тексерілетін белгілерінен құралады: мақаланың DOI-і бар ма, оның деректерін қанша тәуелсіз дереккөз растады, міндетті өрістер толтырылған ба және соңғы растау қаншалықты жаңа. Дереккөздер арасындағы алшақтық пен идентификатордың болмауы бағаны төмендетеді. 80-нен бастап мән жазбаның қосымша тексерусіз жарияланғанын, 60-тан 79-ға дейін — оның сенімділігі төмен күйде жарияланғанын және қолмен тексеру ұсынылатынын білдіреді. Редактор қолмен тексерген жазбаны қайта есептеу 90-нан төмен түсірмейді. Бұл — мақаланың өзіне емес, ол туралы деректерімізге берілген баға.

Аңдатпа

Қаржы секторын цифрлық трансформациялау және міндеттемелер үшін бәсекелестіктің күшеюі жағдайында коммерциялық банктер өз маркетингтік коммуникацияларын оңтайландыру қажеттілігіне тап болады. Депозиттерді тартудың дәстүрлі моделі – жаппай телемаркетинг («суық қоңыраулар») – төмен конверсиялық көрсеткіштер мен жоғары операциялық шығындармен сипатталады, бұл бизнес-процестерде тосқауылдар тудырады. Бұл зерттеу машинамен оқыту алгоритмдеріне негізделген мұндай шектеулерді анықтау және жою әдістемесін ұсынады. Эмпирикалық деректерге (11 162 бақылау) сүйене отырып, екілік классификация модельдері (логистикалық регрессия, Random Forest, Gradient Boosting) құрылып, валидацияланды. Алдын ала аналитикаға көшу мақсатталмаған трафиктің 43%-ға дейінгі бөлігін анықтауға, клиент тарту шығынын (CAC) азайтуға және сату процесін өзгертуге мүмкіндік беретіні дәлелденді. Экономикалық тиімділік тұрғысынан Precision және Recall көрсеткіштерін түсіндіруге ерекше назар аударылады.