Geri Dön

Veri madenciliği makine öğrenmesi algoritmaları ile telekom sektöründe sosyal ağ analizi

Social network analysis in telecom industry with data mining machine learning algorithms

  1. Tez No: 682228
  2. Yazar: ÜLKÜ FATMA GÜRSOY
  3. Danışmanlar: PROF. DR. MUHAMMET KURULAY, DOÇ. DR. MEHMET SIDDIK AKTAŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Matematik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 79

Özet

Telekom sektörü içerisinde müşteri terk etme davranış tahmininin yapılması, aktif olarak üzerinde çalışılan bir araştırma konusudur. Müşteri terk etme davranışının başarılı bir şekilde önceden tahmin edilmesi için, genellikle müşterilerin telekom altyapısını kullanma davranışlarından elde edilen öznitelikler kullanılmaktadır. Öte yandan, müşterilerin kendi aralarında yaptıkları iletişim verilerinin oluşturduğu karmaşık ağlar ve bu ağlardan elde edilecek öznitelikler de, müşteri terk etme davranışını etkileyebilecek niteliktedir. Bu araştırma kapsamında, telekom altyapıları üzerinde müşterilerin etkileşimi sonucunda oluşan karmaşık ağlar üzerinde, sosyal ağ analizi (social network analysis - SNA) teknikleri kullanılarak, müşteri terk etme davranışı tahmininde kullanılabilecek öznitelikler önerilmektedir. Önerilen bu öznitelikler hesaplanarak, telekom altyapısına ait özniteliklerle beraber modele dahil edilmiştir. Böylece müşteri terk tahmin modelinin başarısının arttırılması hedeflenmiştir. Bunun yanı sıra, müşteri terk etme davranışını tahmin edebilecek bir veri analizi iş süreci yöntemi önerilmektedir. Önerilen yöntemin bir prototip uygulaması geliştirilmiş ve müşteri terk etme davranış tahminindeki başarısı, deneysel çalışmalarla karşılaştırılmalı olarak değerlendirilmiştir. Bu çalışma kapsamında, bir telekom sektörü firmasına ait anonimleştirilmiş veri seti kullanılmıştır. Elde edilen sonuçlar, önerilen yöntemin başarılı tahminler yapabildiğini ve kullanılabilir bir yöntem olduğunu ortaya koymaktadır. Geliştirilen prototip uygulamada, müşteri terk etme davranışı tahminindeki performans ve tutundurma modellerinin performansı, doğruluk metriklerine dayalı olarak incelenmiştir. Elde edilen sonuçlar, önerilen iş süreci yazılım platformunun kullanılabilir olduğunu göstermektedir.

Özet (Çeviri)

In the telecommunication industry, the prediction of customer churn behavior is a subject of active research. Features derived from customers' use of telecom infrastructure are often used to predict customer churn behavior. On the other hand, the complex networks created by the communication data between the customers and the features to be obtained from these networks can also affect customer churn behavior. Within the scope of this research, features, which are used to predict customer churn behavior by using Social Network Analysis (SNA) techniques on complex networks formed as a result of customer interaction on telecom infrastructures, are proposed. These proposed features are calculated and included in the model together with the features of the telecom infrastructure. Thus, it is aimed to increase the success of the customer abandonment prediction model. In addition to that, a data analysis workflow method that can predict customer churn behavior is suggested. A prototype application of the proposed method was developed and its success in predicting customer churn behavior was evaluated with experimental studies. In this study, an anonymized data set belonging to a telecom industry firm is used. The results obtained show that the proposed method can make successful predictions and is usable. In the developed prototype application, the performance of customer churn behavior and promotion model prediction was examined based on accuracy metrics. The results show that the proposed business process software platform is available.

Benzer Tezler

  1. Makine öğrenmesi yöntemleriyle müşteri kayıp analizi

    Customer loss analysis with machine learning methods

    ZERRİN ÇAKIR

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar Üniversitesi

    Bilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUAMMER AKÇAY

  2. Veri madenciliği ve makine öğrenmesi yaklaşımı ile tiroit kanserinin tanılanması

    Diagnosis of thyroid cancer using data mining and machine learning approach

    MEHMET EMİN ASAN

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. HARUN TAŞKIN

  3. Network anomaly detection using optimized machine learning algorithm

    Optimize edilmiş makine öğrenmesi algoritmaları kullanarak ağ anomali tespiti

    TAHIRA KHORRAM

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ NURDAN BAYKAN

  4. Bankacılık sektöründe tüzel müşteriler için makine öğrenmesi yöntemleri ile terk analizi

    Churn analysis with machine learning for corporate customers in banking industry

    SÜMEYYE AYDIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Endüstri ve Endüstri MühendisliğiYıldız Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NEZİR AYDIN

  5. 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

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. AŞKIN DEMİRAĞ