Açıklanabilir yapay zeka destekli bütünleşik müşteri analitiği karar destek sistemi önerisi
A proposal for an explainable AI-powered integrated customer analytics decision support system
- Tez No: 1022558
- Danışmanlar: PROF. DR. ÇİĞDEM TARHAN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışmasında, müşteri terk tahmin modeli ve müşteri segmentasyonu modelleri birlikte kullanılarak bütünleşik bir müşteri analitiği karar destek sistemi önerisi sunulmuştur. Geliştirilen Karar Destek Sistemi 'streamlit' framework kullanılarak web tabanlı olarak kurgulanmıştır. Terk tahmin sonuçlarının kara kutu özelliğine yönelik açıklanabilirlik sağlaması için XAI kapsamında, SHAP ve LIME yöntemleri uygulanmış, açıklanabilir yapay zekâ destekli entegre bir yapı oluşturulmuştur. Müşteri terk tahmin modelinde, yüksek tahmin başarısı sunması, hızı, ölçeklenebilirliği ve sınıf dengesizliğine karşı dayanıklı yapısı nedeniyle XGBoost algoritması tercih edilmiştir. 'Kara kutu' olarak tanımlanan XGBoost'un, XAI yöntemleri ile uyumlu çalışması da model kurulumunda tercih sebeplerinden birisi olmasını sağlamıştır. Müşteri segmentasyonunda K-Means algoritmasından faydalanılmıştır; müşteriler, harcamaları ve sistemde geçirdikleri süreye göre çeşitli gruplara ayrılmıştır. Bu çalışma ile web tabanlı bir gösterge paneli üzerinde, makine öğrenmesi algoritmaları ile kurgulanan müşteri terk tahmini ve müşteri segmentasyonu sonuçlarının, teknik olmayan yöneticilerin anlamlandırıp, yorumlayabilmesine olanak tanıyarak, karar verme süreçlerine entegre edilmesini sağlamak amaçlanmaktadır. Çalışma kapsamında, karar destek sistemi bir öneri olarak sunulmuş ve Sistem Geliştirme Yaşam Döngüsü çerçevesinde uçtan uca bir yapı oluşturulmuştur. Sınıflandırma ve kümeleme modelinin kurulumunda iv kullanılmak üzere Kaggle'da bulunan IBM Telco Customer Churn veri seti kullanılmıştır. Bu veri seti 33 sütun ve 7043 satırdan oluşmaktadır. Veri seti ilişkisel veritabanı kurgusuna göre bölünerek Microsoft SQL Server'a aktarılmıştır. Kurumsal bir yapıda ve uçtan uca çalışan bir sistem olması amacıyla hareket edilen bu çalışmada, her iki model, oluşturulan MsSQL veritabanı temel olarak tasarlanan veri ambarını veri kaynağı olarak kullanmıştır. Sonuç olarak kurulan sistem, terk tahmin modeli ve ona bağlı olarak geliştirilen SHAP ve LIME yöntemleri ile müşteri segmentasyonunu birbirinden bağımsız ve bir arada işleyerek web tabanlı bir gösterge paneli üzerinde karar destek sistemi önerisi olarak sunulmuştur.
Özet (Çeviri)
In this thesis, a proposal for an integrated customer analytics decision support system is presented, utilizing both a customer churn prediction model and customer segmentation models. The developed Decision Support System was implemented as a web-based application using the 'Streamlit' framework. To ensure explainability regarding the black-box nature of churn prediction results, SHAP and LIME methods were applied within the scope of XAI, creating an explainable AI-supported integrated structure. In the customer churn prediction model, the XGBoost algorithm was chosen due to its high prediction accuracy, speed, scalability, and robustness against class imbalance. The fact that XGBoost, defined as a“black box,”works in harmony with XAI methods was also a key factor in its selection during model setup. The K-Means algorithm was utilized for customer segmentation, grouping customers into various categories based on their spending and the time they spent in the system. The aim of this study is to enable non-technical managers to interpret and analyze the results of customer churn prediction and customer segmentation—generated using machine learning algorithms—on a web-based dashboard, thereby facilitating their integration into decision-making processes. As part of this study, a decision support system was proposed, and an endto-end architecture was established within the framework of the System Development Life Cycle. The Kaggle IBM Telco Customer Churn dataset was used for setting up classification and clustering models. This dataset consists of vi 33 columns and 7,043 rows. The dataset was partitioned according to a relational database schema and imported into Microsoft SQL Server. In this study, which aimed to create a system operating within an enterprise structure and functioning end-to-end, both models utilized the data warehouse designed based on the created MsSQL database as their data source. The resulting system integrates the churn prediction model with the SHAP and LIME methods developed for it, processing customer segmentation both independently and in conjunction, and presents a decision support system proposal on a web-based dashboard.
Benzer Tezler
- Seyahat ingilizcesi için yapay zeka destekli sanal gerçeklik uygulamasının geliştirilmesi
Developing of artificial intelligence supported virtual reality application for travel English
CEREN BOSTANCI
Doktora
Türkçe
2025
Eğitim ve Öğretimİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
PROF. DR. İRFAN ŞİMŞEK
- Blokzincir tabanlı güvenilir ve açıklanabilir yapay zeka kullanan akıllı sağlık çatısının geliştirilmesi
Development of smart health framework using blockchain-based trustworthy and explainable artificial intelligence
KÜBRA ARSLANOĞLU
Doktora
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET KARAKÖSE
- Multimodal medical visual question answering: Knowledge spaces and semantic segmentation for improved and explainable AI
Çok-kipli tıbbi görsel soru cevaplama: Bilgi uzayları ve anlamsal bölütleme ile gelişmiş ve açıklanabilir yapay zekâ
ZİYA ATA YAZICI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HAZIM KEMAL EKENEL
- An AI chatbot–supported hybrid neural network for solving financial problems
Fınans problemlerının çözümü için önerilen AI chatbot ile desteklenmiş hibrit neural network
AHMET AKÇAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Beykent ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ UMUT KAYA
- Kütük kayıtlarından çizge sinir ağları tabanlı anomali tespiti
Graph neural networks based anomaly detection from log records
ALİ YILMAZ
Doktora
Türkçe
2026
Mühendislik BilimleriFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
PROF. DR. RESUL DAŞ