Telekomünikasyon sektöründen sınıflandırma algoritmaları ile müşteri kayıp analizi
Customer churn analysis with classification algorithms in telecommunication sector
- Tez No: 672898
- Danışmanlar: DOÇ. DR. ÇİĞDEM EROL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Enformatik Bilim Dalı
- Sayfa Sayısı: 87
Özet
Dijital evren dünya çapında kullanıcılar tarafından üretilen büyük miktarda veri ile doludur. Çeşitli kaynaklardan gelen ve hacmi hızlı bir şekilde artan veri için farklı analiz ve depolama yöntemlerine ihtiyacı duyulmuştur ve bu noktada karşımıza 'Büyük Veri' kavramı çıkmaktadır. Şirketler veya kurumlar süreçlerine bağlı olarak gittikçe daha fazla veri depolamakta ve bu veriyi analiz ederek değer çıkarmaya çalışmaktadır. Günümüz iş dünyası gittikçe rekabetçi olmakta ve müşteri davranışlarını anlamak sürdürebilir rekabette önemli bir avantaj sağlamaktadır. Şirketlerin başarısı büyük ölçüde mevcut müşteri verisini ne kadar iyi analiz edebileceklerine ve anlamlı bilgiler çıkarabileceklerine bağlıdır. Bu kapsamda müşteri ayrılma eğilimini tahmin etmek ve bu eğilime neden olan durumları ortaya çıkarmak için 'Müşteri Kayıp Analizi' çalışmaları yapılmaktadır. Bu tez çalışmasının amacı büyük veri analizi teknolojisi ile telekomünikasyon sektöründe ayrılma eğilimi olan müşterileri tahmin eden modeli oluşturmaktır. Bu kapsamda bir telekomünikasyon şirketinden temin edilen veri kümesine Apache Spark'ın makine öğrenmesi kütüphanesi (MLlib) ile çeşitli sınıflandırma yöntemleri uygulanmıştır. İlk olarak veri üzerinde ön hazırlık işlemleri yapılmış, sonrasında veri setine Lojistic Regresyon, Karar Ağaçları, Rastgele Orman, Gradyan Artırma Makineleri yöntemleri uygulanmıştır. Çalışma sonuçları incelendiğinde müşteri kaybı tahmininde en başarılı sonuçları %86,34 doğruluk %90,82 AUC ve %63,45 F-Ölçütü oranları ile Gradyan Artırma Makineleri yönteminin verdiği ve churn davranışını belirleyen en önemli niteliğin kontrat bitimine kalan süre olduğu görülmüştür.
Özet (Çeviri)
The digital universe is filled with massive amounts of data generated by users around the world. Different analysis and storage methods are needed for data coming from various sources and whose volume is increasing rapidly, and at this point, the concept of 'Big Data' emerges. Companies or institutions are storing more and more data depending on their processes and trying to extract value by analyzing this data. Today's business world is increasingly competitive and understanding customer behavior provides a significant advantage in sustainable competition. The success of companies largely depends on how well they can analyze existing customer data and extract meaningful information. In this context,“Customer Churn Analysis”studies are carried out in order to predict the customer leaving tendency and to reveal the situations that cause this trend. The aim of this thesis is to create a model that predicts customers who tend to diverge in the telecommunications industry with big data analysis technology. In this context, Apache Spark's machine learning library (MLlib) and various classification methods were applied to the data set obtained from a telecommunication company. Firstly, preliminary preparations were made on the data, and then Logistic Regression, Decision Trees, Random Forest, Gradient Boosting Machines methods were applied to the data set. When the results of the study were examined, it was seen that Gradient Boosting Machines method gave the most successful results in churn prediction with 86,34% accuracy, 90,82% AUC and 63,45% F-Score rates. It has been observed that the most important factor causing customer churn is remaining time to the end of the contract.
Benzer Tezler
- Telekomünikasyon sektöründe müşteri kayıp analizi
Customer churn analysis in telecommunication industry
MUHAMMET SİNAN BAŞARSLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FATİH KAYAALP
- Öznitelik seçimi ile telekomünikasyon sektöründe kayıp müşteri analizi
Customer churn analysis in telecommunication sector by feature selection
HANDAN DONAT
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARIK KÜÇÜKDENİZ
- Customer churn analysis based on machine learning by using data mining techniques in telecommunication sector
Telekomünikasyon sektöründe veri madencilik tekniklerini kullanarak makine öğrenmesine dayalı müşteri terk analizi
ELİF ÇELİK
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. AŞKIN DEMİRAĞ
- 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
- 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