Churn prediction in telecommunication sector
Telekom sektörleri için topluluk sınıflandırıcılarla ayrılma tahmini
- Tez No: 670917
- Danışmanlar: Assist. Prof. Dr. MUSTAFA CEM KASAPBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Ayrılama Tahmini, kNN, LMT, CRM, PCA, Churn Prediction, KNN, LMT, CRM, PCA
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 42
Özet
Literatürde, Makine Öğrenimi, Veri Madenciliği ve Hibrit teknikleri gibi farklı teknikler kullanılarak Ayrılma/Çalkalanma Tahmini gerçekleştirilmiştir. Bu teknikler, şirketleri ve işletmeleri, hizmetlerini kullanarak şirketlerinde kalabilmeleri için müşterileri belirleme ve tahmin etme ayrıca ayrılan müşteri konusunda destekler. Üst düzey yöneticilerin ve karar vericilerin güvenilir kararlar almasına ve Müşteri İlişkileri Yönetimi (CRM) departmanına da yardımcı olur. Bu çalışmada, müşteri kaybını tahmin etmek için Orange (Uluslararası Telekominikasyon firması) adlı bir telekom sektörü ayrılan müşteri veri seti kullanılmıştır. Topluluk sınıflandırıcıları AdaBoostM1, PCA, InfoGain, Gain Ratio, Bagging ile birlikte J4.8, Naive Bayes, Lojistik Regresyon, Rastgele Orman, KNN, LMT (Lojistik model Ağacı) sınıflandırıcıları kombinasyonları ile birlikte kullanılır. Torbalama ve J4.8 kombinasyonu ile en yüksek % 94 doğruluk elde edilir. Sonuçlar diğer çalışmalarla da karşılaştırılmış ve bu çalışma araştırılan literatür kadar iyi performans göstermiş ve bazı vakalarda daha başarılı olduğu görülmüştür.
Özet (Çeviri)
Churn Prediction has been implemented in the research works and more studies on it been published using different advanced mechanisms including Machine Learning, Data Mining, and Hybrid mechanism. These mechanisms found out to help enterprise companies and small businesses to classify and predict churning customers to be able to retain them to stay with their company using their services. Also, found out to help top managers and decision makers to be able take reliable decisions and Customer Relation Management CRM department as well. In this study, a telecom sector churn dataset named Orange which belongs to International Orange Telecom Company is used for customer churn prediction. Ensemble classifiers are used AdaBoostM1, PCA, Gain Ratio, Info Gain, Bagging in combination with J4.8, Naïve Bayes, Logistic Regression, Random Forest, KNN, LMT (Logistic model Tree). Highest accuracy of 94% is obtained by combination of Bagging and J48. The results are compared with other studies as well and this study performed as good as the surveyed literature and surpassed in same cases.
Benzer Tezler
- Telekomünikasyon sektöründe aboneliklerini iptal edecek müşterilerin yapay öğrenme yöntemleri ile tahmin edilmesi
Churn prediction in telecommunication sector with machine learning methods
AYŞE ŞENYÜREK
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SELÇUK ALP
- Telekomünikasyon sektöründe müşteri sadakatinin veri madenciliği teknikleriyle modellenmesi
Modelling of customer churn prediction in telecommunication sector with data mining techniques
MÜMİN YILDIZ
Yüksek Lisans
Türkçe
2017
Mühendislik BilimleriYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SONGÜL ALBAYRAK
- Telekomünikasyon sektöründen sınıflandırma algoritmaları ile müşteri kayıp analizi
Customer churn analysis with classification algorithms in telecommunication sector
EZGİ USTA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- İnternet servis sağlayıcısı için iptal analizi modeli
Churn prediction for internet service provider
MEHMET GÖK
Yüksek Lisans
Türkçe
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTOBB Ekonomi ve Teknoloji ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TANSEL ÖZYER
- Makine öğrenmesiyle müşteri kayıplarının tahmini
Customer churn prediction by machine learning
MELİKE GÜNAY
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. TOLGA ENSARİ