Telekomünikasyon sektöründe müşteri sınıflandırma ve kayıp analizi
In the telecommunication industry customer classification and loss analysis
- Tez No: 856669
- Danışmanlar: DR. ÖĞR. ÜYESİ ÇAĞRI ÖZGÜN KİBİROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Haliç Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mühendislik Bilimleri Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde birçok firma yeni müşteri edinme çalışmalarından daha çok, mevcutta sahip olduğu müşterilerinin kaybedilmemesi ve kaybedilmek üzere olan müşterilerini geri kazanımın yolları için birçok çalışma ve kampanyalar düzenlemektedir. Özellikle müşterilerin kaybedilmesinin kolay olduğu telekomünikasyon sektöründe, çeşitli araştırmalar günümüzde çok popülerdir. Telekomünikasyon sektöründe, müşterilerin kaybedilmemesi için kaybedilen müşterilerin profillerinin belirlenip, henüz kaybedilmemiş olanlar üzerinde yapılan çalışmadan elde edilen bilgi neticesinde çalışmalar yapılmaktadır ve böylelikle mevcut durumda bulunan müşterilerinin kaybedilmesi önlenmektedir. Yapılan bu çalışmada ise kaggle.com üzerinden yayımlanan veri seti ile çalışılmıştır. Bir telekomünikasyon şirketine ait birtakım demografik veri seti ile müşterilerin kaybedilme sebeplerinin bulunması için veri madenciliği sınıflandırma modellerinden olan beş adet sınıflandırma yöntemi kullanılmıştır. Çalışmada; Naive Bayes, Karar Ağacı, Lojistik Regresyon, Random Forest ve KNN'den faydalanılmıştır. Bu sınıflandırma teknikleri 4 farklı senaryoda denenmiştir. Bu senaryolar: Bütün bağımsız değişkenlerin dahil edilerek model yaratılması, en etkisiz 3 bağımsız değişken çıkarılmış halde model yaratılması, en etkili 5 bağımsız değişken ile model yaratılması ve 6 ay ve daha az süredir kayıtlı olan müşteriler çıkarılmış halde model yaratılmasıdır. Kullanılan bu modelleme yöntemleri arasında en iyi tahmini yapabilen yöntemi ise sonuçların değerlendirilmesinde kullanılan kesinlik, doğruluk, ROC eğrisi, F1 skoru ve Recall ile değerlendirilip diğer modellere kıyasla üstün performansı nedeniyle bu senaryolar arasından 6 ay ve daha az süredir kayıtlı olan müşterilerle yapılan Lojistik Regresyon modellemesi en iyi performansa sahip olmuştur.
Özet (Çeviri)
Nowadays, many companies organize many studies and campaigns to prevent the loss of their existing customers and to find ways to regain their customers who are about to be lost, rather than trying to acquire new customers. Various surveys are very popular nowadays, especially in the telecommunications industry where it is easy to lose customers. In the telecommunications sector, in order to avoid losing customers, the profiles of lost customers are determined and studies are carried out as a result of the information obtained from the study on those who have not yet been lost, thus preventing the loss of existing customers. In this study, the data set published on kaggle.com was used. Five classification methods, which are data mining classification models, were used to find the reasons for losing customers with a set of demographic data belonging to a telecommunications company. In the study; Naive Bayes, Decision Tree, Logistic Regression, Random forest and KNN were used. These classification techniques have been tried in 4 different scenarios. These scenarios are: creating a model by including all independent variables, creating a model with the 3 least effective independent variables removed, creating a model with the 5 most effective independent variables, and creating a model by removing customers who have been registered for 6 months or less. Among these modeling methods used, the method that can make the best prediction is Logistic Regression modeling, which is evaluated with the precision, accuracy, ROC curve, F1 score and Recall used in the evaluation of the results, and is done with customers who have been registered for 6 months or less among these scenarios, due to its superior performance compared to other models. has had good performance.
Benzer Tezler
- Telekomünikasyon sektöründe müşteri kayıp analizi
Customer churn analysis in telecommunication industry
MUHAMMET SİNAN BAŞARSLAN
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. FATİH KAYAALP
- Telekomünikasyon sektöründen sınıflandırma algoritmaları ile müşteri kayıp analizi
Customer churn analysis with classification algorithms in telecommunication sector
EZGİ USTA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- Öznitelik seçimi ile telekomünikasyon sektöründe kayıp müşteri analizi
Customer churn analysis in telecommunication sector by feature selection
HANDAN DONAT
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARIK KÜÇÜKDENİZ
- Telekomünikasyon sektöründe müşteri kayıp analizi
Customer churn analysis in telecommunication industry
İMRAN ÖZCAN
Yüksek Lisans
Türkçe
2022
Endüstri ve Endüstri MühendisliğiHaliç ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇAĞRI ÖZGÜN KİBİROĞLU
- Telekomünikasyon sektöründe makine öğrenmesi yöntemleriyle müşteri kayıp analizi
Customer churn analysis in the telecommunications sector using machine learning techniques
GAMZE DURSUN
Yüksek Lisans
Türkçe
2026
Yönetim Bilişim SistemleriGazi ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı (disiplinlerarası)
PROF. DR. NURSAL ARICI