Ανάλυση διαφυγόντων πελατών με δεδομένα από ηλεκτρονική πλατφόρμα διανομής φαγητού

Abstract

Η διατήρηση συνεργαζόμενων καταστημάτων αποτελεί κρίσιμο παράγοντα για τη βιωσιμότητα και την ανάπτυξη των ηλεκτρονικών πλατφορμών διανομής φαγητού. Στο πλαίσιο αυτό, η παρούσα μεταπτυχιακή διατριβή επικεντρώνεται στην προγνωστική ανάλυση της αποχώρησης (churn) συνεργαζόμενων επιχειρήσεων από μια κορυφαία ελληνική πλατφόρμα delivery. Η μελέτη αξιοποιεί δεδομένα πραγματικού χρόνου από εμπορικά και λειτουργικά χαρακτηριστικά καταστημάτων με σκοπό την κατανόηση, ομαδοποίηση και πρόβλεψη του φαινομένου της αποχώρησης. Η μεθοδολογική προσέγγιση βασίζεται σε προηγμένη επεξεργασία δεδομένων, κανονικοποίηση και επιλεγμένες τεχνικές υπολογιστικής μάθησης. Αρχικά, εφαρμόζεται clustering (K-Means, Hierarchical) για την αναγνώριση υποομάδων καταστημάτων με παρόμοια χαρακτηριστικά και συμπεριφορές. Στη συνέχεια, γίνεται ανάπτυξη μοντέλων αποχώρησης (Decision Tree, Random Forest, Logistic Regression, XGBoost), με στόχο την κατηγοριοποίηση των καταστημάτων σε churners και μη. Ιδιαίτερη έμφαση δίνεται στη βελτιστοποίηση των μεταβλητών, την αποφυγή φαινομένων overfitting και την ερμηνευσιμότητα των αποτελεσμάτων. Η αξιολόγηση των μοντέλων πραγματοποιείται με χρήση F1-score, recall και ROC-AUC, ενώ αναλύονται επίσης τα πιο σημαντικά χαρακτηριστικά που συμβάλλουν στην αποχώρηση. Τα αποτελέσματα προσφέρουν σημαντικές επιχειρησιακές προτάσεις, όπως η προτεραιοποίηση στοχευμένων παρεμβάσεων σε υψηλού κινδύνου καταστήματα, η ενίσχυση προωθητικών ενεργειών και η προσαρμογή στρατηγικών διατήρησης. Συνολικά, η διατριβή κάνει έντονα αισθητή την πολύπλοκη φύση της αποχώρησης και προτείνει ένα πλαίσιο πρόβλεψης και ανάλυσης κινδύνου, που μπορεί να συμβάλει στην ενίσχυση της επιχειρησιακής στρατηγικής μιας πλατφόρμας delivery.