Published April 9, 2020
| Version v1
Publication
Open
Business Analytics in Telemarketing: Cost-Sensitive Analysis of Bank Campaigns Using Artificial Neural Networks
- 1. University of Jordan
- 2. Yarmouk University
Description
The banking industry has been seeking novel ways to leverage database marketing efficiency. However, the nature of bank marketing data hindered the researchers in the process of finding a reliable analytical scheme. Various studies have attempted to improve the performance of Artificial Neural Networks in predicting clients' intentions but did not resolve the issue of imbalanced data. This research aims at improving the performance of predicting the willingness of bank clients to apply for a term deposit in highly imbalanced datasets. It proposes enhanced Artificial Neural Network models (i.e., cost-sensitive) to mitigate the dramatic effects of highly imbalanced data, without distorting the original data samples. The generated models are evaluated, validated, and consequently compared to different machine-learning models. A real-world telemarketing dataset from a Portuguese bank is used in all the experiments. The best prediction model achieved 79% of geometric mean, and misclassification errors were minimized to 0.192, 0.229 of Type I & Type II Errors, respectively. In summary, an interesting Meta-Cost method improved the performance of the prediction model without imposing significant processing overhead or altering original data samples.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تبحث الصناعة المصرفية عن طرق جديدة للاستفادة من كفاءة تسويق قواعد البيانات. ومع ذلك، فإن طبيعة بيانات التسويق المصرفي أعاقت الباحثين في عملية إيجاد مخطط تحليلي موثوق. حاولت دراسات مختلفة تحسين أداء الشبكات العصبية الاصطناعية في التنبؤ بنوايا العملاء ولكنها لم تحل مشكلة البيانات غير المتوازنة. يهدف هذا البحث إلى تحسين أداء التنبؤ باستعداد عملاء البنوك للتقدم بطلب للحصول على وديعة لأجل في مجموعات بيانات غير متوازنة إلى حد كبير. ويقترح نماذج محسنة للشبكة العصبية الاصطناعية (أي حساسة للتكلفة) للتخفيف من الآثار الدراماتيكية للبيانات غير المتوازنة للغاية، دون تشويه عينات البيانات الأصلية. يتم تقييم النماذج التي تم إنشاؤها والتحقق من صحتها، وبالتالي مقارنتها بنماذج التعلم الآلي المختلفة. يتم استخدام مجموعة بيانات التسويق عبر الهاتف في العالم الحقيقي من بنك برتغالي في جميع التجارب. حقق أفضل نموذج تنبؤ 79 ٪ من المتوسط الهندسي، وتم تقليل أخطاء التصنيف الخاطئ إلى 0.192 و 0.229 من أخطاء النوع الأول والنوع الثاني، على التوالي. باختصار، حسنت طريقة Meta - Cost المثيرة للاهتمام أداء نموذج التنبؤ دون فرض تكاليف معالجة كبيرة أو تغيير عينات البيانات الأصلية.Translated Description (French)
Le secteur bancaire a cherché de nouvelles façons de tirer parti de l'efficacité du marketing de base de données. Cependant, la nature des données de marketing bancaire a empêché les chercheurs de trouver un schéma analytique fiable. Diverses études ont tenté d'améliorer les performances des réseaux de neurones artificiels dans la prédiction des intentions des clients, mais n'ont pas résolu le problème des données déséquilibrées. Cette recherche vise à améliorer les performances de prédiction de la volonté des clients des banques de demander un dépôt à terme dans des ensembles de données très déséquilibrés. Il propose des modèles améliorés de réseau de neurones artificiels (c.-à-d. sensibles aux coûts) pour atténuer les effets dramatiques de données très déséquilibrées, sans déformer les échantillons de données d'origine. Les modèles générés sont évalués, validés et par conséquent comparés à différents modèles d'apprentissage automatique. Un ensemble de données de télémarketing réel provenant d'une banque portugaise est utilisé dans toutes les expériences. Le meilleur modèle de prédiction a atteint 79 % de la moyenne géométrique, et les erreurs de classification ont été minimisées à 0,192, 0,229 d'erreurs de type I et de type II, respectivement. En résumé, une méthode Meta-Cost intéressante a amélioré les performances du modèle de prédiction sans imposer de frais généraux de traitement importants ni modifier les échantillons de données d'origine.Translated Description (Spanish)
La industria bancaria ha estado buscando nuevas formas de aprovechar la eficiencia del marketing de bases de datos. Sin embargo, la naturaleza de los datos de marketing bancario obstaculizó a los investigadores en el proceso de encontrar un esquema analítico confiable. Varios estudios han intentado mejorar el rendimiento de las redes neuronales artificiales para predecir las intenciones de los clientes, pero no resolvieron el problema de los datos desequilibrados. Esta investigación tiene como objetivo mejorar el rendimiento de la predicción de la disposición de los clientes bancarios a solicitar un depósito a plazo en conjuntos de datos altamente desequilibrados. Propone modelos mejorados de redes neuronales artificiales (es decir, sensibles a los costos) para mitigar los efectos dramáticos de los datos altamente desequilibrados, sin distorsionar las muestras de datos originales. Los modelos generados se evalúan, validan y, en consecuencia, se comparan con diferentes modelos de aprendizaje automático. En todos los experimentos se utiliza un conjunto de datos de telemarketing del mundo real de un banco portugués. El mejor modelo de predicción logró el 79% de la media geométrica, y los errores de clasificación errónea se minimizaron a 0.192, 0.229 de Errores Tipo I y Tipo II, respectivamente. En resumen, un interesante método Meta-Cost mejoró el rendimiento del modelo de predicción sin imponer una sobrecarga de procesamiento significativa ni alterar las muestras de datos originales.Files
pdf.pdf
Files
(843.5 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:536c8dc6c8022e8ac6c22a49b405825a
|
843.5 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليلات الأعمال في التسويق عبر الهاتف: تحليل يراعي التكلفة لحملات البنك باستخدام الشبكات العصبية الاصطناعية
- Translated title (French)
- Analyse commerciale dans le télémarketing : analyse sensible aux coûts des campagnes bancaires utilisant des réseaux de neurones artificiels
- Translated title (Spanish)
- Analítica de Negocios en Telemarketing: Análisis Coste-Sensible de Campañas Bancarias Utilizando Redes Neuronales Artificiales
Identifiers
- Other
- https://openalex.org/W3015910648
- DOI
- 10.3390/app10072581
References
- https://openalex.org/W1680797894
- https://openalex.org/W1922493843
- https://openalex.org/W1955600018
- https://openalex.org/W1968154401
- https://openalex.org/W2003083941
- https://openalex.org/W2004586061
- https://openalex.org/W2036083737
- https://openalex.org/W2044861704
- https://openalex.org/W2058732827
- https://openalex.org/W2059852492
- https://openalex.org/W2062480970
- https://openalex.org/W2093773675
- https://openalex.org/W2110103960
- https://openalex.org/W2130486630
- https://openalex.org/W2133990480
- https://openalex.org/W2155187285
- https://openalex.org/W2191253925
- https://openalex.org/W2341517870
- https://openalex.org/W2471967309
- https://openalex.org/W2554257470
- https://openalex.org/W2562319768
- https://openalex.org/W2587851609
- https://openalex.org/W2622451513
- https://openalex.org/W2753047523
- https://openalex.org/W2754472824
- https://openalex.org/W2765752256
- https://openalex.org/W2803590506
- https://openalex.org/W2915887917
- https://openalex.org/W2943917172
- https://openalex.org/W2946297064
- https://openalex.org/W2949351602
- https://openalex.org/W2971644666
- https://openalex.org/W2972176792
- https://openalex.org/W2981641988
- https://openalex.org/W2991935909
- https://openalex.org/W3001147583
- https://openalex.org/W3005125193
- https://openalex.org/W3006354545
- https://openalex.org/W3121177474
- https://openalex.org/W4248660083
- https://openalex.org/W4285719527