-

Abstract

A company should minimize the customer churn and make a well analysis thereof in order to prevent their existing customers from choosing a rival company. In the telecommunication market, one of the markets where a fierce competition is underway, it becomes more and more important to prevent the loss of customers and attain the customer loyalty, especially due to free number porting applied in the market. It is obvious that the loss appraisal method would not be sufficient by itself, considering that the loss of customers creates a knock-on effect. Therefore, the analysis on the customer network has the same level of importance within the process after the appraisal. This is because, it is well known in the modern business approach that a customer would contribute a great value to a company due to his/her strong position in the network, even he/she does not bring the highest level of profit. This paper is intended to estimate the loss of customers in the Turkish telecommunication market with the help of the Artificial Neural Networks (ANN) and examine the positions and effects on the network of the customers for whom there is a risk of loss, by analyzing the customer communication network with the help of the Social Network Analysis (SNA)

Keywords

• Artificial Neural Networks, Social Network Analysis, Customer Churn Management, Telecommunication Market

YAPAY SİNİR AĞLARI VE SOSYAL AĞ ANALİZİ YARDIMI İLE TÜRK TELEKOMÜNİKASYON PİYASASINDA MÜŞTERİ KAYBI ANALİZİ

Abstract

Firmalar, mevcut müşterilerinin rakip bir firmaya yönlenmelerini engellemek için müşteri kayıplarını en aza indirmeli ve müşteri kayıplarını iyi analiz etmelidirler. Rekabetin en yoğun yaşandığı sektörlerden biri olan telekomünikasyon piyasasında, numara taşıma serbestliği ile de müşteri kayıplarını engellemek ve müşteri bağımlılığını sağlamak giderek önem kazanmaktadır. Müşteri kaybı olayının zincirleme bir etki yarattığı göz önünde bulundurulduğunda, kayıp tahmin yönetiminin kayıpları önlemede tek başına yeterli olamayacağı açıktır. Bu nedenle tahminden sonraki süreçte, müşteri ağının analizi de aynı derecede önemlidir. Çünkü modern işletme yaklaşımlarında bir müşterinin, en yüksek kârı getirmediği halde, ağdaki güçlü konumundan dolayı firmaya daha yüksek değer katabileceği bilinmektedir. Makalenin amacı, Türk telekomünikasyon piyasasında müşteri kaybını Yapay Sinir Ağları (YSA) ile tahmin etmek ve müşteri iletişim ağını Sosyal Ağ Analizi (SAA) yardımıyla analiz ederek kaybedilme riski taşıyan müşterilerin ağdaki konumlarını ve etkilerini incelemektir.

Keywords

• Yapay Sinir Ağları, Sosyal Ağ Analizi, Müşteri Kaybı Yönetimi, Telekomünikasyon Piyasası

References

1. ELEKTRİK MÜHENDİSLİĞİ ODASI, Türkiye’de Telekomünikasyon Tarihçesi, 430. sayı, 2007, http://www.emo.org.tr/ekler/e52547a0e7bca35_ek.pdf?dergi=457 , Erişim Tarihi (13.11.2012).
2. FERREIRA, Jorge B., Marley Verlasco, Marco Aurelio Pacheco ve Carlos Hall Barbosa ve diğerleri, “Data Mining Techniques on the Evaluation of Wireless Churn”, European Symposium on Artificial Neural Networks, 2004, s.483-488.
3. GEPPERT, Carl, Customer Churn Management: Retaining High-Margin Customer with Customer Relationship Management Techniques, 2003, s.2-3. https://www.amr.kpmg.com/microsite/kpmgme/downloads/CHURN_02_26final.pdf, Erişim Tarihi (04.09.2012)
4. GÜNGÖR, Müberra - Gökhan Evren, Mobil Numara Taşınabilirliği: Rekabete ve Tüketicilere Etkileri:Ardıl Düzenleyici Etki Analizi Çalışması, Sektörel Araştırma ve Stratejiler Dairesi Başkanlığı, Bilgi Teknolojileri ve İletişim Kurumu Raporu, 2010. http://www.nts. gov.tr/files/DEA_MNT_v4.pdf, Erişim Tarihi (29.10.2012).
5. GÜRSAKAL, Necmi, Sosyal Ağ Analizi, Bursa, Dora Yayın, 2009.
6. HAMELIN, Nicolas, Amani Nassali ve Talha Acar, “Determining Churn Drivers in Morroccon Telecom Sector”, Journal of International Business Disciplines, Volume 4, Issue 2, 2010, s.16-34.
7. HANNEMAN, Robert A. ve Mark Riddle, Introduction to Social Network Methods, 2005, http:// faculty.ucr.edu/~hanneman/ Erişim Tarihi (19.10.2012).
8. HAYKIN, Simon, Neural Networks and Learning Machines, 3.ed., New Jersey, Pearson Education, 2009.

9. HUNG, Shin-Yuan, David C. Yen ve Hsiu-Yu Wang , “Applying Data Mining to Telecom Churn Management”, Expert Systems with Applications, Volume 31, Issue 3, 2006, s.515-524.
10. KARAÇUHA, Ertuğrul, Gökhan Özer, Ömer Arasıl ve Serkan Aydın, “Türk GSM Sektöründe Müşteri Sadakati, Memnuniyeti, Güven ve Değiştirme Maliyeti Arasındaki Dinamik İlişkiler: Yapısal Denklem Modelleme Tekniği”, İktisat, İşletme ve Finans Dergisi, Cilt 19, Sayı 219, 2004, s.46-61.
11. KİŞİOĞLU, Pınar - Y. İlker Topçu, “Applying Bayesian Belief Network Approach to Customer Churn Analysis:A Case Study on the Telecom Industry of Turkey”, Expert Systems with Applications, 38, 2011, s.7150-7157.
12. KNOKE, David ve Song Yang, Social Network Analysis, 2. Baskı, Londra, Sage Publications, 2008.
13. KOLACZYK, Eric D., Statistical Analysis of Network Data Methods and Models, Boston,Springer, 2009.
14. LEWIS, Ted G., Network Science: Theory and Applications, New Jersey, John Wiley& Sons, Inc., 2009.
15. MOZER, Michael C., Richard Wolniewicz, David B. Grimes, Eric Johnson ve Howard Kaushansky, “Churn Reduction in the Wireless Industry”, Advances in Neural Information Processing Systems, Volume 12, 2000, s.690-696.
16. NEWMAN, M.E.J., Networks : An Introduction, New york, Oxford University Press, 2010.
17. OTTE, Evelien ve Ronald Rousseau, Social Network Analysis: A Powerful Strategy, Also for the Information Sciences, Journal of Information Science, 28/6, 2002.
18. ÖZTEMEL, Ercan, Yapay Sinir Ağları, İstanbul, Papatya Yayınları, 2006.
19. PINHEIRO, Carlos Andre Reis - Marus Helfert, “Mixing Scores from the Artificial Neural Network Analysis to Improve the Customer Loyalty”, IEEE Computer Society, 2009, s.954-959.
20. ZURADA, Jacek M., Artificial Neural Systems, New york, West Publising Company, 1992.