Geri Dön

Yapay zeka yaklaşımları kullanarak öneri sistem tasarımı: Bankacılık sektöründe bir uygulama

Designing a recommender system using artificial intelligence approaches: A case study in the banking industry

  1. Tez No: 909265
  2. Yazar: HANDENUR KESAT
  3. Danışmanlar: DOÇ. DR. TAHSİN ÇETİNYOKUŞ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 68

Özet

Finans sektörü, müşteri beklentilerini karşılamak ve rekabet avantajı elde etmek için sürekli yenilikçi çözümler arayışındadır. Bu arayış, özellikle finansal hizmetlerdeki çeşitliliğin artması ve müşteri karar süreçlerinin karmaşıklaşmasıyla daha da önem kazanmaktadır. Öneri sistemleri, bu çerçevede, müşterilere uygun ürünleri doğru zamanda sunarak bankaların karlılığını ve müşteri memnuniyetini artırma potansiyeline sahiptir. Yapay zeka destekli öneri sistemleri, müşteri verilerinden elde edilen içgörülerle, müşterilerin finansal ihtiyaçlarını anlamada ve onlara en uygun finansal ürünleri önermede kritik bir rol oynamaktadır. Bu tez ile Özel Katılım Bankası'nın bireysel müşterilerine yönelik hibrit bir yapay zeka tabanlı öneri sistemi geliştirilmiştir. Çalışmada, K-Ortalamalar algoritmasıyla müşteriler demografik özelliklerine göre gruplandırılmış ve bu gruplar öneri sistemi için giriş verisi olarak kullanılmıştır. Ardından, Transformer tabanlı model ile zaman serisi verileri analiz edilerek müşterilerin geçmiş davranışlarından ve değişen ihtiyaçlarından çıkarımlar yapılmıştır. Sistem, bireysel emeklilik, yatırım ürünleri, konut ve araç finansmanı, kredi kartı ve ihtiyaç finansmanı olmak üzere altı farklı finansal ürün kategorisi için kişiselleştirilmiş önerilerde bulunmayı hedeflemektedir. Öneri sistemi, dört farklı senaryo üzerinden değerlendirilmiş ve SMOTE yöntemiyle dengelenmiş veri seti üzerinde çalışan Transformer tabanlı modelin en yüksek performansı sağladığı tespit edilmiştir. Transformer tabanlı model, F1 skoru %92,81, duyarlılık %98,20 ve hassasiyet %89,98 gibi metriklerde üstünlük sağlarken, geleneksel bir yöntem olan k-NN algoritması F1 skoru %22,24, duyarlılık %13,53 ve hassasiyet %62,50 gibi düşük sonuçlar vermiştir. Bu sonuçlar, Transformer tabanlı modelin müşteri davranışlarını ve eğilimlerini analiz etme kapasitesiyle, geleneksel yöntemlere kıyasla daha başarılı sonuçlar verdiğini ortaya koymaktadır. Bu çalışma, bankacılık sektöründe müşterilerin bireysel ihtiyaçlarına yönelik kişiselleştirilmiş ürün önerileri sunarak, müşteri memnuniyetini artırma ve pazarlama stratejilerini daha verimli hale getirme potansiyelini ortaya koymaktadır.

Özet (Çeviri)

The finance sector is in constant pursuit of innovative solutions to meet customer expectations and gain a competitive advantage. This pursuit has become even more critical with the increasing diversity of financial services and the growing complexity of customer decision-making processes. Recommender systems, in this context, have the potential to enhance banks' profitability and customer satisfaction by offering suitable products to customers at the right time. AI-powered recommender systems play a crucial role in understanding customers' financial needs and providing the most relevant financial product recommendations based on insights derived from customer data. This thesis developed a hybrid AI-based recommender system for individual customers of a Private Participation Bank. In the study, customers were clustered using the K-Means algorithm based on their demographic characteristics, and these clusters were utilized as input data for the recommender system. Subsequently, a Transformer-based model was applied to analyze time-series data, enabling insights into customers' past behaviors and evolving needs. The system aims to provide personalized recommendations for six distinct financial product categories: individual retirement plans, investment products, housing and vehicle financing, credit cards, and personal financing. The recommender system was evaluated across four different scenarios, with the Transformer-based model trained on a SMOTE-balanced dataset demonstrating the highest performance. The Transformer-based model achieved superiority in metrics such as F1 score 92.81%, recall 98.20%, and precision 89.98%, whereas the traditional k-NN algorithm yielded significantly lower results, with an F1 score of 22.24%, recall of 13.53%, and precision of 62.50%. These findings indicate that the Transformer-based model, with its capacity to analyze customer behaviors and preferences, delivers significantly better outcomes compared to traditional methods. This study demonstrates the potential of delivering personalized financial product recommendations tailored to individual customer needs in the banking sector, enhancing customer satisfaction, and improving the efficiency of marketing strategies.

Benzer Tezler

  1. Wind: A Knowledge based system for the synthesis of window parts

    Başlık çevirisi yok

    MANOLYA KAVAKLI

    Yüksek Lisans

    İngilizce

    İngilizce

    1995

    Mimarlıkİstanbul Teknik Üniversitesi

    PROF.DR. NİGAN BEYAZIT

  2. Fake news classification using machine learning and deep learning approaches

    Makine öğrenimi ve derin öğrenme yaklaşımlarını kullanarak sahte haber sınıflandırması

    SAJA ABDULHALEEM MAHMOOD AL-OBAIDI

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR

  3. A novel artificial intelligence based energy management system for microgrids

    Mikro şebekeler için yapay zeka temelli yeni bir enerji yönetim sistemi

    NECATİ AKSOY

    Doktora

    İngilizce

    İngilizce

    2023

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ

  4. Savunma sistemlerine yönelik yapay zeka tekniklerine dayalı inovatif bir tasarım işlem modeli geliştirilmesi

    Developing an innovative design process model for defense systems based on artificial intelligence techniques

    CÜNEYD DEMİR

    Doktora

    Türkçe

    Türkçe

    2024

    Mekatronik MühendisliğiGazi Üniversitesi

    Endüstriyel Tasarım Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ CENGİZ ELDEM

  5. Coğrafi bilgi sistemleri entegreli makine öğrenmesine dayalı toplu taşınmaz değerleme modelinin geliştirilmesi

    Development of mass property valuation model based on geographic information systems integrated machine learning methods

    MUHAMMED OĞUZHAN METE

    Doktora

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Geomatik Mühendisliği Ana Bilim Dalı

    PROF. DR. TAHSİN YOMRALIOĞLU