Bankalardaki müşteri kaybının veri madenciliği ile analizi
Customer churn analysis in the banking sector via data mining
- Tez No: 969722
- Danışmanlar: DR. ÖĞR. ÜYESİ SELÇUK ÖZCAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Endüstri ve Endüstri Mühendisliği, Statistics, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bankalar için müşteriler, gelir ve sürdürülebilir büyümenin temelidir; bu nedenle mevcut müşterilerin elde tutulması kritik öneme sahiptir. Müşteri kaybı, gelir düşüşü, artan edinme maliyetleri ve rekabet gücünün zayıflaması gibi olumsuz sonuçlara yol açar. Bu çalışmanın amacı, bankacılık sektöründe müşteri kaybını etkileyen faktörleri veri madenciliği ve makine öğrenmesi teknikleriyle analiz ederek, müşteri kaybı riskini önceden tahmin etmektir. Bu çalışmada, bankacılık sektöründe müşteri kaybı tahmini için çeşitli makine öğrenimi algoritmaları uygulanmış ve sonuçlar WEKA ve KNIME veri madenciliği platformları üzerinden değerlendirilmektedir. Veri setindeki sınıf dengesizliğini azaltmak ve model performansını artırmak amacıyla SMOTE (Synthetic Minority Over-sampling Technique) yöntemi kullanılmaktadır. Farklı makine öğrenimi modellerinin karşılaştırmalı analizinde, Random Forest (KNIME) algoritması 98.89% doğruluk oranı ve 0.91 Cohen's Kappa katsayısı ile en yüksek performansı sergilemektedir. Lojistik Regresyon (KNIME) modeli de 97.75% doğruluk oranı ve 0.821 Kappa değeri ile güçlü bir sonuç sunmakta, ancak sınıflar arasında tam ayrım yapma konusunda Random Forest kadar başarılı olmamaktadır. Naive Bayes ve Destek Vektör Makineleri gibi diğer yöntemlerin başarı oranları nispeten daha düşük kalmaktadır. Elde edilen sonuçlar, veri madenciliği ve makine öğrenimi tekniklerinin bankacılık sektöründe müşteri kaybını etkili bir şekilde tahmin etmekte önemli bir araç olduğunu ve doğru yöntem seçiminin stratejik karar alma süreçlerinde kritik rol oynadığını göstermektedir. Analiz sonuçlarına göre, düşük gelir seviyesine sahip müşteriler ile yüksek kredi limiti ve yüksek kullanılabilir bakiye sahibi müşterilerde müşteri kaybı oranı daha yüksek bulunmaktadır. Öte yandan, 60.000–120.000 USD aralığında gelire sahip müşterilerin bankaya bağlılıklarının daha güçlü olduğu ve banka ile daha sık işlem gerçekleştiren müşterilerin sadakatinin arttığı tespit edilmektedir. Bu bulgular, müşteri davranışlarının finansal dinamiklerle doğrudan ilişkili olduğunu ortaya koymaktadır.
Özet (Çeviri)
For banks, customers represent the foundation of revenue and sustainable growth; therefore, retaining existing customers is of critical importance. Customer churn results in negative consequences such as revenue decline, increased acquisition costs, and a weakening of competitive strength. The aim of this study is to analyze the factors influencing customer churn in the banking sector using data mining and machine learning techniques, with the objective of predicting churn risk in advance. In this study, various machine learning algorithms were applied for churn prediction in the banking sector, and the results were evaluated using the data mining platforms WEKA and KNIME. To reduce class imbalance in the dataset and enhance model performance, the Synthetic Minority Over-sampling Technique (SMOTE) was applied. In the comparative analysis of different machine learning models, the Random Forest (KNIME) algorithm demonstrated the highest performance with an accuracy rate of 98.89% and a Cohen's Kappa coefficient of 0.91. The Logistic Regression (KNIME) model also produced strong results with an accuracy rate of 97.75% and a Kappa value of 0.821, although it was less successful than Random Forest in achieving class-level separation. Other methods, such as Naive Bayes and Support Vector Machines, yielded comparatively lower success rates. The findings demonstrate that data mining and machine learning techniques are important tools for effectively predicting customer churn in the banking sector and that selecting the appropriate method plays a critical role in strategic decision-making processes. According to the analysis results, customers with low-income levels, high credit limits, and large available balances were more likely to churn, whereas customers with an income range between 60,000 and 120,000 USD and those who engaged more frequently in transactions showed stronger loyalty to the bank. These results reveal that customer behavior is directly linked to financial dynamics.
Benzer Tezler
- Bankacılık sektöründe dış kaynak çalışan yönetiminin iyileştirilmesinde bilgi teknolojileri kullanımına yönelik bir uygulama
An application to use information technologies to improve management of outsourced employee in the banking industry
SEREN AKBABA
Yüksek Lisans
Türkçe
2022
İşletmeİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
DOÇ. DR. NİHAN YILDIRIM
- Ticari banka kredilerinin değerlendirilmesine yönelik bir karar destek modeli
A decision support model for the evaluation of commercial credits
SAİT GÜL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR KABAK
PROF. DR. YUSUF İLKER TOPCU
- Pazarlama ve bankacılık uygulamaları Türk bankacılık sektöründe pazarlamanın gelişimi ve uygulama çalışmaları
Başlık çevirisi yok
BORA ULAŞ
Yüksek Lisans
Türkçe
1998
BankacılıkMarmara ÜniversitesiBankacılık Ana Bilim Dalı
PROF. DR. MÜJDAT SAKAR
- Merkezkaç yönetim-kamu bankalarında merkezkaç yönetim uygulanması araştırmasına bir örnek T.Emlak Bankası A.Ş.
Başlık çevirisi yok
İDRİS ÇEVİK
Yüksek Lisans
Türkçe
1990
İşletmeİstanbul Üniversitesiİşletme Yönetimi ve Organizasyon Ana Bilim Dalı
PROF. DR. HAYRİ ÜLGEN
- Bankalardaki müşteri memnuniyetinin Yapısal Eşitlik Modeli ile analizi: Sivas ilinde bir uygulama
Analysis of customer satisfaction in banks with Structural Equality Model: An application in Sivas
NURİYE GÜLTEKİN
Yüksek Lisans
Türkçe
2019
BankacılıkSivas Cumhuriyet Üniversitesiİşletme Ana Bilim Dalı
PROF. DR. YALÇIN KARAGÖZ