Value segmentation of remotely acquired customers in banking: A model-based approach
Başlık çevirisi mevcut değil.
- Tez No: 829821
- Danışmanlar: DOÇ. DR. UĞUR TEVFİK KAPLANCALI
- Tez Türü: Yüksek Lisans
- Konular: Bankacılık, Banking
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 55
Özet
Bilgi teknolojilerindeki yenilikler bankacılık sektöründe de önemli değişimlere yol açmaktadır. Tüketicilerin dijital hizmetlere adaptasyonu hızlanırken, müşteri deneyimi ve müşteri beklentileri alanlarında da gelişmeler yaşanmaktadır. Müşteri deneyimi alanındaki rekabetin artması bankaları dijital dönüşüme zorlamaktadır. Müşteri beklentilerine karşılık verilmesi için bankaların yüksek teknolojiye entegre olması, dijital bankacılık alanında yeni ürün ve hizmetler ortaya çıkmasını sağlamaktadır. Bankaların coğrafi kısıtları aşarak, herhangi bir fiziksel etkileşim olmaksızın yeni müşteri kazanmalarını sağlayan uzaktan müşteri edinimi, dijital bankacılık alanındaki en önemli gelişmelerden biri haline gelmiştir. Yakın gelecekte bankalar için en önemli müşteri edinme kanallarının dijital kanallar olması ihtimali, bu konsept ile kazanılan müşterileri bankalar için stratejik bir öneme sahip hale getirmektedir. Bankaların herhangi bir fiziki etkileşim kurmadan dijital kanallardan edindikleri bu müşterileri daha iyi tanımaları ve bu müşterileri daha fazla değer üretecek bir değer segmentine yükseltecek çalışmalar yapılması çok önemlidir. Bu çalışmada, bankacılık sektöründeki dijital dönüşüm kapsamında uzaktan müşteri edinimi ve dijital hesap açılış sürecinin stratejik önemini vurgulanmaya çalışılmıştır. Türkiye'de faaliyet gösteren özel bir bankadan temin edilen veriler kullanılarak, uzaktan hesap açan müşterilerin değer segmentini tahminlemek amacıyla çeşitli makine öğrenmesi modelleri uygulanmış ve modellerin sonuçları karşılaştırılmıştır. Müşterilerin değer segmentini %76 doğruluk oranıyla tahminleyen ve en iyi performansı gösteren makine öğrenmesi modeli Random Forest olmuştur.
Özet (Çeviri)
Innovations in information technologies lead to significant changes in the banking sector. While consumers' adaptation to digital services is accelerating, there are developments in the areas of customer experience and customer expectations. Increasing competition in customer experience field makes digital transformation a necessity for banks. The integration of banks with high technology in order to meet customer expectations ensures that new products and services are emerging in the field of digital banking. Remote customer acquisition has become one of the most important developments in digital banking, enabling banks to acquire new customers by overcoming geographical restrictions and without any physical interaction. The possibility that digital channels will be the most important customer acquisition channels for banks soon makes remotely acquired customers have a strategic importance for banks. It is important for banks to get to know these customers better acquired through digital channels without any physical interaction. Efforts to bring these customers to a value segment that will create more value for the bank are increasing significantly. In this study, it has been tried to emphasize the strategic importance of remote customer acquisition and online account opening process within the scope of digital transformation in the banking sector. Using data obtained from a private bank operating in Turkey, various machine learning models were applied to estimate the value segment of customers opening remote accounts and the results of the models were compared. Random Forest was the best performing machine learning model, which predicted customers' value segment with 76% accuracy.
Benzer Tezler
- An approach for the automatic detection of agricultural field sub-boundaries from high resolution satellite images
Yüksek çözünürlüklü uydu görüntülerinden tarımsal arazi alt-sınırların otomatik tespiti için bir yaklaşım
SAMAN GHAFFARİAN
Yüksek Lisans
İngilizce
2014
Jeodezi ve FotogrametriHacettepe ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA TÜRKER
- Obje tabanlı sınıflandırma yaklaşımı ile 3. seviye ulusal arazi örtüsü/kullanımının belirlenmesi
Determination of level 3 national land cover and land use by using object based classification approach
ŞAZİYE ÖZGE DÖNMEZ
Yüksek Lisans
İngilizce
2015
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ELİF SERTEL
- A novel hybrid classification approach to integrate pixel- and object-based image analysis for classification of remotely sensed data
Uzaktan algılanan verilerin sınıflandırılması için piksel ve obje tabanlı görüntü analizini entegre eden yeni bir hibrit sınıflandırma yaklaşımı
MUHAMMED YUSUF ÖZTÜRK
Yüksek Lisans
İngilizce
2022
Jeodezi ve FotogrametriGebze Teknik ÜniversitesiHarita Mühendisliği Ana Bilim Dalı
DOÇ. DR. İSMAİL ÇÖLKESEN
- Gemi radar sistemlerinde uzaktan kod yürütme (RCE) tehditlerini azaltmaya yönelik siber güvenlik önlemlerinin bayes ağı metoduyla değerlendirilmesi
Evaluation of cybersecurity measures to mitigate remote code execution (RCE) threats in shipboard radar systems using the bayesian network method
EMRE DÜZENLİ
Yüksek Lisans
Türkçe
2024
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
DOÇ. DR. PELİN BOLAT
- Derin öğrenme yöntemleri ve uydu görüntü verileri kullanılarak deprem sonrası ağır hasarlı alanların tespiti: Kahramanmaraş örneği
Using deep learning methods and satellite imagery identifying heavily damaged areas after an earthquake: The case of Kahramanmaraş
EMİNE SARIALİOĞLU
Yüksek Lisans
Türkçe
2024
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ŞİNASİ KAYA