Geri Dön

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

Applying survival analysis models and methods to telecom churn data

  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: Belirtilmemiş.
  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: 94

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.

Benzer Tezler

  1. Yaşam verilerinin çözümlenmesinde uygun regresyon modeli seçme yöntemleri

    In analysis of survival data appropriate regression models selection methods

    KEMAL OLÇA

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Biyoistatistikİstanbul Üniversitesi

    Biyoistatistik Ana Bilim Dalı

    PROF. DR. AHMET DİRİCAN

  2. Türkiye'de ileri evre böbrek kanserinde pazopanib ve sunitinib tedavilerinin maliyet etkililik analizi

    Cost effectiveness of pazopanib and sunitinib treatments in advanced renal cancer in Turkey

    HÜSEYİN DEMİR

    Doktora

    Türkçe

    Türkçe

    2023

    HastanelerHacettepe Üniversitesi

    Sağlık Yönetimi Ana Bilim Dalı

    DOÇ. DR. PINAR YALÇIN BALÇIK

  3. Yapay öğrenme ve biyoinformatik yöntemlerle obezitenin kansere etkisinin araştırılması

    Investigation of the effect of obesity on cancer with artificial learning and bioinformatics methods

    AYŞEGÜL ÇİFÇİ

    Doktora

    Türkçe

    Türkçe

    2023

    BiyoistatistikEge Üniversitesi

    Sağlık Biyoinformatiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖZGÜR GÜMÜŞ

  4. Soldan budanmış sağdan sansürlü HIV sağkalım verilerinin analizi

    An analysis of left-truncated and right-censored HIV survival data

    TUBA ŞANLI

    Doktora

    Türkçe

    Türkçe

    2022

    BiyoistatistikOndokuz Mayıs Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. YÜKSEL TERZİ

  5. Cox modeli ile Türkiye imalat sektöründeki finansal başarısızlığın analizi

    The analysis of financial failure in Turkish manufacturing sector by using cox model

    AYHAN TOPCU

    Doktora

    Türkçe

    Türkçe

    2013

    EkonometriAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. FAHRETTİN ARSLAN