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
- Tez No: 909265
- Danışmanlar: DOÇ. DR. TAHSİN ÇETİNYOKUŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- 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
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUBA ÇAĞLIKANTAR
- 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
2023
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- 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
2024
Mekatronik MühendisliğiGazi ÜniversitesiEndüstriyel Tasarım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ ELDEM
- 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
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. TAHSİN YOMRALIOĞLU