Hızlı büyüyen ve rekabet gücünün arttığı günümüzde, yeni müşteri edinme çabası ve maliyeti var olan müşteriyi kaybetmeme çabası ve maliyetinden fazla olması, firmaları var olan müşterilerin kaybedilmemesi gerektiği düşüncesine itmiştir. Güçlü rakiplerin olduğu sektörde tüketicilerin bir ürün veya hizmet sebebiyle bir şirketi tercih edip ihtiyaçlarını devamlı olarak bu şirket üzerinden karşılayan sadık müşteri portföyünü arttırmak amacıyla müşterinin tercih ettiği bir ürün veya hizmeti bırakma ihtimali üzerine analitik çalışmalar yapılmıştır. Mevcut müşterilerin profilleri ve davranışları incelenerek şirketi bırakma ihtimali olan müşterileri bulma, bu müşterilerin memnuniyetlerini arttırmayı hedefleyen müşteri kayıp analizi, stratejik karar verme ve planlama sürecinin en önemli aşamalarından biri olmaktadır. Bu çalışmada bankacılık, telekomünikasyon, e-ticaret gibi müşteri sayısı ile gelir miktarının doğru orantılı olduğu sigortacılık sektöründe var olan şirketin verileri kullanılarak bir müşteriye ait içerisinde yaş, cinsiyet, doğum yeri gibi sosyodemogrofik bilgilerin yanı sıra kullanılan araç marka, model bilgilerinin de bulunduğu öznitelikler belirlenmiştir. Belirlenen öznitelikler makine öğrenmesi algoritmalarından Karar Ağacı (Desicion Tree) Algoritması, Rastgele Orman (Random Forest) Algoritması ve K-En Yakın Komşu (K Nearest Neighborhood) Algoritmaları ile terk eden müşterilerin profilleri analiz edilip, terk etme ihtimali olan müşteriler tahmin edilmiştir. Çalışmada en başarılı sonucu veren Rastgele Orman (Random Forest) Algoritması ile bu çalışma bir sınıfa dâhil edilip son kullanıcı tarafından sürekli yapılmasına olanak sağlanmıştır.
Müşteri Kaybı Analizi Makine Öğrenmesi Rastgele Orman Karar Ağacı K-En Yakın Komşu
In today's fast-growing and increasing competitiveness, the effort to acquire new customers and the cost of not losing the existing customer, and the fact that it is more than the cost, have led companies to think that existing customers should not be lost. In the sector with strong competitors, analytical studies have been carried out on the probability of the customer leaving a product or service preferred by consumers in order to increase the portfolio of loyal customers who prefer a company for a product or service and meet their needs continuously through this company. Customer loss analysis, which aims to find customers who are likely to leave the company by examining the profiles and behaviors of existing customers, and to increase the satisfaction of these customers, is one of the most important stages of the strategic decision-making and planning process. In this study, using the data of the company in the insurance sector, where the number of customers and the amount of income are directly proportional, such as banking, telecommunications, e-commerce, the attributes of a customer, including sociodemographic information such as age, gender, place of birth, as well as vehicle brand and model information, were determined. . The profiles of the customers who left were analyzed with the Desicion Tree Algorithm, Random Forest Algorithm and K-Nearest Neighborhood Algorithms, which are machine learning algorithms, and the customers who are likely to leave were estimated. With the Random Forest Algorithm, which gave the most successful results in the study, this study was included in a class and allowed to be carried out continuously by the end user.
Customer Churn Analysis Machine Learning Random Forest Desicion Tree K-Nearest Neighbor
Birincil Dil | Türkçe |
---|---|
Konular | Bilgisayar Yazılımı |
Bölüm | Araştırma Makaleleri |
Yazarlar | |
Yayımlanma Tarihi | 15 Şubat 2022 |
Gönderilme Tarihi | 3 Kasım 2021 |
Yayımlandığı Sayı | Yıl 2022 Cilt: 2 Sayı: 1 |