Customer churn prediction for the Pay-TV sector
Pay-TVsektöründe müşteri kayıp tahmini
- Tez No: 845946
- Danışmanlar: DR. ÖĞR. ÜYESİ TUNA ÇAKAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: İngilizce
- Üniversite: MEF ÜNİVERSİTESİ
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 50
Özet
Müşteri kaybı, şirketler için gelir kaybı ve yeni müşteri kazanımı için pazarlama maliyetleri yarattığından müşterilerin aboneliklerini neden sonlandırdıklarını anlamak, mevcut müşterileri elde tutmak açısından katma değer sağlamaktadır. Bu çalışma kapsamında Türkiye'de hizmet veren Pay-TV firmasının müşterilerinin 6 aylık geçmiş verileri kullanılmış ve veri setinin etiket bazında dengesiz olması sebebiyle aşırı örnekleme yöntemi de uygulanmıştır. Model geliştirme aşamasında farklı yapay öğrenme (Rassal Orman, Lojistik Regresyon, K-En Yakın Komşu, Karar Ağacı, AdaBoost, XGBoost, Ekstra Ağaç Sınıflandırıcı) algoritmaları kullanılmış ve model performansları karşılaştırılmıştır. Her bir model için başarı kriterleri incelenerek bu veri seti için en yüksek performans gösteren modellerin ağaç-bazlı Rassal Orman, Ekstra Ağaç Sınıflandırıcı ve XGBoost olduğu görülmüştür.
Özet (Çeviri)
Understanding the reasons for customer churn provides added value in terms of retaining existing customers, as customer attrition leads to revenue loss for companies and incurs marketing costs for acquiring new customers. In this study, the 6-month historical data of a Pay-TV company operating in Turkey was used, and due to the imbalanced nature of the dataset on a label basis, the oversampling method was applied. During the model development phase, various artificial learning algorithms (Random Forest, Logistic Regression, K-Nearest Neighbors, Decision Tree, AdaBoost, XGBoost, Extra Tree Classifier) were utilized, and their performances were compared. Based on the evaluation of success criteria for each model, it was observed that the tree-based Random Forest, Extra Tree Classifier and XGBoost achieved the highest performance for this dataset.
Benzer Tezler
- Using predictive analytics methods for credit risk analysis
Başlık çevirisi yok
DENİZ YAVUZ
Yüksek Lisans
İngilizce
2020
BankacılıkYeditepe ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÖKHAN ŞAHİN
- Customer churn prediction for telecommunications industry
Telekomünikasyon servislerinden aboneliklerini i̇ptal edecek müşterileri önceden tahmin etmek
UTKU YABAŞ
Yüksek Lisans
İngilizce
2014
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Ekonomi ÜniversitesiAkıllı Mühendislik Sistemleri Ana Bilim Dalı
DOÇ. DR. TÜRKER İNCE
YRD. DOÇ. DR. HAKKI CANDAN ÇANKAYA
- Müşteri kayıp analizi: Hava yolu sektöründe bir uygulama
Customer churn analysis: An application in airline industry
FATMA KAPTAN
Yüksek Lisans
Türkçe
2019
Sivil Havacılıkİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Bankacılıkta müşteri terk modeli
Churn modelling in banking
KÜBRA ŞEN
Yüksek Lisans
Türkçe
2014
Mühendislik BilimleriYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NİLGÜN GÜLER BAYAZIT
- A comparative study for customer churn analysis via machine learning algorithms
Optimizasyon tekniklerini kullanarak müşteri kayıp analizi
ZEYNEP UYAR ERDEM
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri MühendisliğiMarmara ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SENİYE ÜMİT FIRAT
DR. BANU ÇALIŞ USLU