Geri Dön

Sağkalım analizi model ve yöntemlerinin telekom sektörü müşteri kayıp verileri üzerine uygulamaları

Applying survival analysis models and methods to telecom churn data

PDF İndir

  1. Tez No: 792438
  2. Yazar: MELİK MASARİFOĞLU
  3. Danışmanlar: PROF. DR. ALİ HAKAN BÜYÜKLÜ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Kayıp müşteri tahminlemesi, Mobil telekomünikasyon sektörü, Customer churn prediction, Mobile telecommunication market
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Yıldız Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Rekabetin yoğun yaşandığı Telekom sektöründe kaybedilen herbir müşteri, yerini doldurmanın maliyeti, azalan nakit akışı ve kaybedilen cirodan dolayı mobil operatör için finansal olarak büyük bir zarardır. Müşteriyi elde tutmak daha kolay, daha başarılabilir ve daha az maliyetlidir. Mobil operatörlerin elde tutulan müşteri ile uzun dönemli, kazan-kazan üzerine kurduğu ilişkiler, günümüzün rekabetçi ortamında varlıklarını sürdürebilmeleri için hayati önemdedir. Müşteriyi elde tutma boyutunda geliştirilecek stratejiler için önceden kayıp yaşanacak müşteriyi tahminlemek ve profillemek büyük avantajdır. Bu çalışmada müşterileri doğru ve etkin bir şekilde profilleyerek, müşteri kaybını minimize etmek amaçlanmıştır. Çalışmamızda mobil operatör müşteri kayıp verilerine, başta tıp olmak üzere farklı disiplinlerde sıkça kullanılan Sağ Kalım Analizi metotları ve yöntemleri başvurulmuştur. Parametrik Olmayan, Yarı Parametrik ve Parametrik Modeller olmak üzere üç ana başlıkta toplam ondokuz adet modele başvurulmuştur. Bu modeller sırasıyla Parametrik Olmayan Kaplan-Meier Metodu, Yarı Parametrik Modellerden Cox Regresyon Modeli (CRMO) ve CRMO için ön şart olan Oransal Tehlike Varsayımı (OTV) kontrol edilmiş, OTV sağlanmadığından dolayı Tabakalandırılmış CRMO ve Genişletilmiş CRMO modeli, Parçalı Regresyon CRMO, Kübik Spline CRMO uygulanmıştır. Yine OTV sağlanmadığından dolayı Parametrik Modellerden Hızlandırılmış Başarısızlık Süresi Modellerine (HBSM) başvurulmuştur. Model performanslarını karşılaştırmak için AIC metriği kullanılmıştır. Yarı Parametik Modellerden en iyi performans sergileyen model Tabakalandırılmış CRMO ve Parametrik Modellerden en iyi sonuç Log-Lojistik Modeli olarak karşımıza çıkmıştır. Kullanılan bu modeller ve yöntemler sayesinde müşteri ne zaman kayıp yaşar tahminlenmiş olup müşterilerin, müşterilik sürelerine etki eden faktörler belirlenmiştir.

Özet (Çeviri)

For the customer-centric businesses such as telecom, where competetion is fierce, customer churn is a disaster due to acquisition cost, reduced cash flow and payments. In this market, customer retention is easier, more achievable and less costly. Long-term, win-win relationships with customers are vital for mobile operators to survive in today's stiff competitive environment. Profiling the customer that could be churned in advance is a great advantage in terms of retaining the customer. In this study, it is aimed to minimize customer loss by profiling customers accurately and effectively. Survival Analysis methods that is used in different disciplines, especially in medicines, are used in this study. A total of nineteen models were used under three main topics: Non-Parametric, Semi-Parametric and Parametric Models. These models are: Non Parametric Models Kaplan-Meier, Semi-Parametric Cox Regression Model (CRMO) and since proportional hazard assumpiton (PHA) is not satisfied, Stratified CRMO, Extended CRMO, Piecewise Regression CRMO and Cubic Spline CRMO are applied. In Parametric Models: Accelerated Failure Time Model (AFTM) are also applied. In order to compare models, AIC metric is used. Among CRMO models, Stratified CRMO and among Parametric Models, Log-Logistic AFTM performs the best. The aim is to answer the question of when the customer will churn and to identify the factors of affecting the customer's survival time in the mobile operator.

Geri Dön