Geri Dön

Comparison of machine learning algorithms on integrated churn prediction and customer segmentation framework for supermarket industry

Süpermarket sektörü için entegre churn tahmini ve müşteri segmentasyonu çerçevesinde makine öğrenmesi algoritmalarının karşılaştırılması

  1. Tez No: 851416
  2. Yazar: BURAK SİNAZ
  3. Danışmanlar: DOÇ. DR. ATINÇ YILMAZ
  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: 2024
  8. Dil: İngilizce
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
  12. Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
  13. Sayfa Sayısı: 67

Özet

Rekabetin oldukça yüksek olduğu süpermarket sektöründe, müşteri tutundurma stratejileri oldukça önemli hale gelmiştir çünkü mevcut müşteriyi muhafaza etmek, yeni müşteri elde etmekten daha az maliyetlidir. Bu nedenle kayıp olma ihtimali olan müşterileri önceden tahminlemek ve bu müşterilerin profillerini ve ihtiyaçlarını saptayabilmek, etkili bir kayıp müşteri yönetimi açısından oldukça önemlidir. Bu çalışma, kayıp müşteri tahmini ve müşteri segmentasyonunu entegre ederek daha özel bir kayıp müşteri yönetimi sağlayan bir analitik kayıp müşteri yönetimi çerçevesi önermeyi amaçlamaktadır. Çünkü literatürde müşteri kayıp tahmini ve müşteri segmentasyonunu birleştiren sınırlı sayıda çalışma bulunmaktadır. Çalışmaya konu olan müşteri veriseti, Türkiye'de faaliyet gösteren bir süpermarket firmasından sağlanmıştır. Deneyde, müşterilerin kayıp olma durumunu tahminlemek için Lojistik Regresyon, Destek Vektör Makineleri, Rastgele Orman, Gradient Boosting ve AdaBoosting sınıflandırıcıları kullanılmıştır. Model performansları, ROC eğrisi ve karışıklık matrisi gibi performans değerlendirme metrikleri ile ölçülmüştür. Buna göre en optimal performansı gösteren sınıflandırıcı tercih edildikten sonra, tespit edilen kayıp müşteri kitlesi için müşteri segmentasyonu gerçekleştirilmiştir. Bunun için K-ortalama methodu kullanılmıştır. Böylece kayıp müşterileri farklı gruplara bölerek pazarlamacıların ve CRM uzmanlarının daha başarılı ve tutarlı kampanya stratejileri geliştirmelerine olanak sağlanır.

Özet (Çeviri)

In the highly competitive grocery supermarket sector, customer retention strategies have become crucial because retaining existing customers is much more cost-effective than acquiring new ones. Therefore, predicting the likelihood of customer churn in advance and understanding the profiles and needs of these customers are essential for effective churn management. This study aims to propose a churn management analytics framework that integrates churn prediction and customer segmentation, providing a more dedicated approach to managing churn customers. Because there are a limited number of studies in the literature that combine customer churn prediction and customer segmentation. The customer dataset used in the study is obtained from a supermarket company operating in Turkey. Logistic Regression, Support Vector Machines, Random Forest, Gradient Boosting, and AdaBoosting classifiers are employed to predict the churn status of customers in the experiment. Model performances are evaluated using performance metrics such as ROC curve and confusion matrix. After selecting the classifier with the optimal performance, customer segmentation is performed for the identified churn customer base using the K-means clustering method. This allows marketers and CRM experts to develop more successful and consistent campaign strategies by dividing churn customers into different groups.

Benzer Tezler

  1. The forecast performances of the classical time series model and machine learning algorithms on bist-50 price index using exogenous variables

    Klasik zaman serisi modelinin ve makine öğrenme algoritmalarının bıst-50 fiyat endeksi üzerinde dışsal değişkenler kullanarak öngörü performansları

    FATMA PARLAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. CEYLAN YOZGATLIGİL

  2. Yazılım tanımlı ağlar ve nesnelerin interneti temelli akıllı şebekelerde anomali tespiti

    Anomaly detection in smart grids based on software-defined networks and the internet of things

    HİLAL YILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MUSA BALTA

  3. Yapay sinir ağları ve makine öğrenmesi ile otomobil satış tahmininin yapılması ve zaman serileri analizi ile karşılaştırılması

    Forecasting automobile sales using artificial neural networks and machine learning and comparison with time series analysis

    BEYZA KURTGERİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERVE CENGİZ TOKLU

  4. Building sensor-based real-time predictive maintenance system by utilizing artificial intelligent techniques

    Yapay akıllı teknikleri kullanarak sensör tabanlı gerçek zaman tahminli bakım sistemi kurulması

    RAGHAD MOHAMMED KHORSHEED

    Doktora

    İngilizce

    İngilizce

    2021

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK BEYCA

  5. Machine learning applications in portfolio optimization

    Portföy optimizasyonunda makine öğrenmesi uygulamaları

    FİRDEVS NUR UYKUN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Finansal Matematik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BÜŞRA ZEYNEP TEMOÇİN