Telekomünikasyon sektöründe aboneliklerini iptal edecek müşterilerin yapay öğrenme yöntemleri ile tahmin edilmesi
Churn prediction in telecommunication sector with machine learning methods
- Tez No: 604122
- Danışmanlar: DOÇ. DR. SELÇUK ALP
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: 667
Özet
Günümüz iş dünyasının rekabet ortamında firmaların ayakta kalabilmesi için aboneliklerini sonlandıracak müşterilerin tahmini (churn analizi) oldukça önemli bir hale gelmiştir. Müşteri kaybının tahmini için firmalar çalışmalar yapmaktadır. Yapay öğrenme uygulamaları da bu konuda etkin bir şekilde kullanılmaktadır. Pazarın doymuş olması ve firmalar arası rekabetin büyüklüğü nedeniyle ayrılacak müşterilerin analiz ve tahmini telekomünikasyon sektöründe yoğun bir şekilde yapılmaktadır. Bu sayede firmalar değerli müşterileri belirleme, bu müşteriler için özel kampanyalar yapma ve müşterilerin deneyimini iyileştirme fırsatı yakalamaya çalışmaktadırlar. Literatürde, firmalar için yeni müşteri elde etmek yerine mevcut müşterileri elde tutmanın önemli ölçüde daha erişilebilir ve daha az maliyetli olduğu birçok çalışmada belirtilmiştir. Müşterilerin abonelik süreleri ne kadar uzun olursa firmalar için getirisinin o kadar yüksek olacağı düşünülmektedir. Telekomünikasyon sektöründeki firmalar için uzun dönemli sözleşme, kampanya veya tarifeler kısa dönem müşteri ilişkilerine göre daha tercih edilir durumdadır. Sadık müşterilerin daha değerli olmasından ötürü sadakatin oluşturulabilmesi için müşteri kaybı tahmini uygulanmaktadır. Yapay öğrenme, mevcut verileri ve eski deneyimleri kullanarak tahminlerde bulunmayı sağlayan algoritma uygulamalarıdır. Bu uygulamalarda amaç algoritmanın belirli bir ölçüte göre başarıyı artıracak şekilde programlanmasıdır. Yapay öğrenmenin başarılı uygulamaları günümüzde her alanda karşımıza çıkmaktadır. Konuşma ve yazı tanıma, finans sektöründe kredi risk hesapları, şoförsüz araçlar, sahtekarlık (fraud) tespiti, borsa, biyoinformatik, robotik, ulaştırma, tıbbi tanı gibi bir çok alanda kendini göstermektedir. Bu bağlamda son yıllarda yapay öğrenme temelli yöntemler müşteri kaybı tahmini için oldukça popüler olmuştur. Bu çalışmanın amacı telekomünikasyon sektöründe aboneliklerini iptal edebilecek abonelerin tahmininin yapıldığı modeli belirlemektir. Bu doğrultuda veri seçilmesi, ön hazırlığının yapılması, kullanılacak yapay öğrenme yöntemi, performans kriterleri, ölçümleme işlemlerinin belirlenmesi amaçlanmıştır. Bunun için lojistik regresyon, yapay sinir ağları yöntemi, random forest yöntemi (rastgele orman yöntemi) ve boosting yöntemlerine (sırayla eğiterek iteleme) göre potansiyel iptal abonelerinin tahmini yapılmıştır. Çalışma sonuçları incelendiğinde müşteri kaybı tahmininde boosting yönteminin diğer yöntemlerden daha doğru ve başarılı sonuçlar verdiği görülmüştür. Müşteri kaybına neden olan en önemli etkenlerin başında kontrat bitimine kalan süre, müşterin ne kadar süredir operatörün abonesi olduğu, yakın çevresinin hangi operatörü tercih ettiği ve şebeke kalitesi olduğu görülmüştür.
Özet (Çeviri)
In the competitive environment of today's business world, in order to survive the churn analysis has become quite important. Companies are making efforts to estimate customer churn. Machine learning applications are also used effectively in this regard. Due to the fact that the market is saturated and the size of the competition among the firms, the analysis and prediction of the customers will be made intensively in the telecommunication sector. In this way, companies are trying to identify valuable customers, make special campaigns for these customers and improve the experience of customers. In the literature, many studies have reported that it is significantly more accessible and less costly to retain existing customers than to obtain new customers for firms. The longer customers' subscription periods, the higher the earnings for the companies. Long-term contracts, campaigns or tariffs for the companies in the telecommunications sector are more preferable than short-term customer relations. Since loyal customers are more valuable, churn prediction is applied to create loyalty. Machine learning is an algorithm application that provides estimations using existing data and old experiences. In these applications, the goal is to program the algorithm to increase the success according to a certain criterion. The successful applications of machine learning are seen in every field today. Speaking and writing recognition, credit risk calculations in the financial sector, non-driver vehicles, fraud detection, stock market, bioinformatics, robotics, transportation, medical diagnosis is manifested in many areas such as. In this context, machine learning-based methods have become very popular in recent years for estimating customer churn. The aim of this study is to construct a model in which the subscribers are able to cancel their subscriptions in the telecommunication sector. In this context, it was aimed to select data, to prepare the preliminary preparation, to use machine learning method, performance criteria and measurement processes. According to logistic regression, artificial neural network, random forest and boosting method, potential churn subscribers were estimated. When the results of the study are examined, it is seen that the boosting method gives more accurate and successful results than the other methods. The most important factors causing customer churn was the period remaining until the end of the contract, tenure, which operator preferred the close relatives and the quality of the network.
Benzer Tezler
- Telekomünikasyon sektöründe müşteri kaybı yönetimi için meta sezgisel tabanlı karar destek sistemi
Meta-heuristic based decision support system for customer churn management in telecommunications sector
MİHRİMAH ÖZMEN
Doktora
Türkçe
2017
Endüstri ve Endüstri MühendisliğiErciyes ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. EMEL KIZILKAYA AYDOĞAN
- Telekomünikasyon sektöründe müşterilerin ürün grupları ve tarifeler arası geçiş analizi
Customer churn analysis among product groups and tariffs in telecommunication sector
ERHAN TUFAN
Yüksek Lisans
Türkçe
2012
İşletmeTOBB Ekonomi ve Teknoloji Üniversitesiİşletme Ana Bilim Dalı
YRD. DOÇ. DR. MELİKE METERELLİYOZ KUYZU
- Bilgi işlem teknolojileri altyapısının ekonomik büyüme üzerine etkisi: Sahra-Altı Afrika ülkelerinden kanıtlar
The impact of ict infrastructure on economic growth: Evidence from Sub-Saharan-African countries
SAİD MOHAMUD NUR
Yüksek Lisans
İngilizce
2022
Ekonomiİstanbul Teknik ÜniversitesiEkonomi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ METE HAN YAĞMUR
- Telekomünikasyon sektöründe özelleştirme ve düzenleme sorunu, Türk Telekomünikasyon A.Ş. üzerine bir inceleme
Privatization in telecommunication sector and regulation issue an analysis of Türk Telekomünikasyon A.Ş.
MEHMET CÜNEYT YENER
- Telekomünikasyon sektöründe müşteri kayıp analizi
Customer churn analysis in telecommunication industry
İMRAN ÖZCAN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiHaliç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞRI ÖZGÜN KİBİROĞLU