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
- Tez No: 851416
- Danışmanlar: DOÇ. DR. ATINÇ YILMAZ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Bilim Dalı
- 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
- Öznitelik mühendisliği kullanılarak finansal zaman serisi hareketinin tahmininde makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of machine learning methods in forecasting financial time series movement prediction using feature engineering
TAMARA KAYNAR
Yüksek Lisans
Türkçe
2021
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÖYKÜM ESRA YİĞİT
- 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
2023
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. CEYLAN YOZGATLIGİL
- Intrusion detection and intrusion prevention systems with artificial intelligence
Yapay zeka ile saldırı tespit ve saldırı önleme sistemleri
ENGİN KAY
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOSTİM TEKNİK ÜNİVERSİTESİBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İSMAİL BÜTÜN
- Güç transformatörleri sfra tarama frekans cevabı analizi sonuçlarının yapay zeka uygulamaları ile karşılaştırılması
Comparison of power transformer sfra sweep frequency response analysis results with artificial intelligence applications
HAKAN ÇUHADAROĞLU
Doktora
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YILMAZ UYAROĞLU
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSA BALTA