Müşteri kayıp analizi ve bir uygulama
Customer churn analysis and an application
- Tez No: 966788
- Danışmanlar: DOÇ. DR. HASAN BULUT
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik ve Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: 64
Özet
Müşteri kaybı, mevcut müşterileri elde tutmanın yenilerini elde etmekten daha uygun maliyetli olduğu, son derece rekabetçi telekomünikasyon endüstrisinde kritik bir zorluktur. Bu çalışma, çeşitli demografik, sözleşmeye dayalı ve davranışsal özellikleri içeren bir veri kümesini kullanarak müşteri kaybını analiz etmek ve tahmin etmek için makine öğrenmesi tekniklerini kullanmaktadır. Veri kümesi cinsiyet, ödeme yöntemleri, sözleşme türleri, görev süresi ve aylık ücretler gibi kategorik ve sayısal değişkenleri içerir. Keşifsel veri analizi (EDA), sözleşme süresinin ve ödeme yönteminin kayıp oranları üzerindeki etkisi de dahil olmak üzere kilit eğilimleri ortaya koymaktadır. Tahmin doğruluğunu artırmak için, K-En Yakın Komşular (KNN), Destek Vektör Sınıflandırıcısı (SVC), Rastgele Orman Sınıflandırıcısı (RFC) ve Lojistik Regresyon dahil olmak üzere birden fazla makine öğrenmesi modeli uygulanır. Doğruluk, kesinlik, geri çağırma ve F1 puanına dayalı performans değerlendirmesi, Destek Vektör Sınıflandırıcısının (SVC) %79,79 gibi en yüksek doğruluğa ulaştığını ve genel tahmine dayalı performansta diğer modellerden daha iyi performans gösterdiğini gösterir. Bununla birlikte, tüm modeller, sınıf dengesizliği nedeniyle kayıpları doğru bir şekilde belirlemede zorluklar sergiler. Kategorik ve sayısal değişkenlerin daha fazla analizi, aylık sözleşmelerin daha yüksek üretim oranları üzerindeki etkisini vurgularken, uzun vadeli sözleşmeleri olan müşteriler daha fazla elde tutma sergiler. Cinsiyet dağılımı neredeyse eşit bir temsil gösterir ve cinsiyet ile kayıp olasılığı arasında anlamlı bir ilişki olmadığını gösterir. Ek olarak, kayıp müşterilerin çoğunluğu elektronik çek ödemelerini tercih ederek ödeme yöntemleri ile müşteri tutma arasında potansiyel bir bağlantı olduğunu öne sürdü. Çalışmanın bulguları, uzun vadeli sözleşme teşvikleri sunmak ve hizmet kalitesini iyileştirmek de dahil olmak üzere müşteri elde tutmaya yönelik stratejik müdahalelerin gerekliliğini vurgulamaktadır. Telekomünikasyon şirketleri, kayıp tahmini için makine öğrenmesinden yararlanarak, risk altındaki müşterileri proaktif olarak belirleyebilir ve hedeflenen elde tutma stratejilerini uygulayabilir. Gelecekteki araştırmalar, öngörücü doğruluğu ve iş karar vermeyi daha da geliştirmek için derin öğrenme tekniklerini ve gelişmiş özellik mühendisliğini araştırabilir.
Özet (Çeviri)
Customer churn is a critical challenge in the highly competitive telecommunications industry, where retaining existing customers is more cost- effective than acquiring new ones. This study employs machine learning techniques to analyze and predict customer churn, utilizing a dataset comprising various demographic, contractual, and behavioral features. The dataset includes categorical and numerical variables such as gender, payment methods, contract types, tenure, and monthly charges. Exploratory data analysis (EDA) reveals key trends, including the influence of contract duration and payment method on churn rates. To enhance predictive accuracy, multiple machine learning models are implemented, including K-Nearest Neighbors (KNN), Support Vector Classifier (SVC), Random Forest Classifier (RFC), and Logistic Regression. Performance evaluation based on accuracy, precision, recall, and F1-score indicates that the Support Vector Classifier (SVC) achieved the highest accuracy of 79.79%, outperforming other models in overall predictive performance. However, all models exhibit challenges in identifying churners accurately due to class imbalance. Further analysis of categorical and numerical variables highlights the impact of monthly contracts on higher churn rates, while customers with long term contracts exhibit greater retention. Gender distribution shows a nearly equal representation, indicating no significant correlation between gender and churn likelihood. Additionally, the majority of churned customers preferred electronic check payments, suggesting a potential link between payment methods and customer retention. The study's findings emphasize the necessity of strategic interventions in customer retention, including offering long-term contract incentives and improving service quality. By leveraging machine learning for churn prediction, telecommunications companies can proactively identify at-risk customers and implement targeted retention strategies. Future research could explore deep learning techniques and advanced feature engineering to further enhance predictive accuracy and business decision-making.
Benzer Tezler
- Sağlık sektöründe müşteri kayıp analizi ve veri madenciliği ile bir uygulama
Churn prediction in healthcare and an application with data mining
MELİH KARAHASANOĞLU
Doktora
Türkçe
2023
Sağlık YönetimiBursa Uludağ Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. GÜL GÖKAY EMEL
- Müşteri kayıp analizi: Hava yolu sektöründe bir uygulama
Customer churn analysis: An application in airline industry
FATMA KAPTAN
Yüksek Lisans
Türkçe
2019
Sivil Havacılıkİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Kayıp müşterili kuyruk modellerinin analizi ve bir uygulama
The analysis of queueing system with finite capasity and it's application
NURHAN HALİSDEMİR
Doktora
Türkçe
2004
MatematikOndokuz Mayıs ÜniversitesiMatematik Ana Bilim Dalı
PROF.DR. ALİFETTAH ŞAHNAZOĞLU
- Restoranlarda kazanılmamış tercihli muamelenin davranışsal niyete etkisinde müşteri duygulanımı ve algılanan hedonik faydanın rolü
The role of customer affection and perceived hedonic benefit in the effect of unearned preferential treatment on behavioral intention in restaurants
ELİF DEMİR
Doktora
Türkçe
2025
TurizmMersin ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. ABDULCELİL ÇAKICI
- Sağkalım analizi model ve yöntemlerinin telekom sektörü müşteri kayıp verileri üzerine uygulamaları
Applying survival analysis models and methods to telecom churn data
MELİK MASARİFOĞLU
Doktora
Türkçe
2023
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ALİ HAKAN BÜYÜKLÜ