Amaç: Telepazarlama, telefon aracılığı ile satış yapmak üzere kullanılan pazarlama yöntemlerinden biridir ve günümüzde yaygın olarak kullanılmaktadır. Bu çalışma, bankaların uzun vadeli mevduatlarını telefon aracılığıyla satmak için kullandıkları telepazarlama çağrılarının başarısını tahmin etmek amacıyla hesaplamalı bir model önermektedir.
Yöntem: Toplamda 45.211 adet telepazarlama çağrısı 16 öznitelikle birlikte dikkate alınmıştır. Veriler %70 eğitim ve %30 test veri seti olmak üzere iki ayrı sete ayrılmıştır. Model için k-en yakın komşu (k-EK) makine öğrenmesi kullanılmış ve ilgili modelin hiperparametrelerinin Bayes optimizasyon yöntemi ile otomatik olarak belirlenmesi sağlanmıştır.
Bulgular: Gerçekleştirilen analizler sonucunda; %94,68 doğruluk, %62,96 hassasiyet ve %99,01 özgüllük değeri elde edilmiştir. Önerilen hesaplamalı yöntem sayesinde daha başarılı telepazarlama aramalarının yapılması sağlanarak, uzaktan satış oranının artırılması ve amaca yönelik olarak daha uygun potansiyel müşterilerin saptanması sağlanabilir.
Özgünlük: Bu çalışma kapsamında k-EK algoritmasına ve hesaplamalı modelin yapılandırılması için Bayes algoritmasına odaklanılmıştır. Literatürde benzer çalışmalarda manuel olarak belirlen hiper-parametre değerlerinin mevcut çalışma kapsamında otomatik olarak saptanması sağlanmıştır. Sonuç olarak, telepazarlama alanında kullanılabilecek yeni bir hesaplamalı model önerisi gerçekleştirilmiş ve ümit verici sonuçlar elde edilmiştir.
Telepazarlama Karar Destek Sistemi Sınıflandırma k-En Yakın Komşu Algoritması
Purpose: Telemarketing is one of the marketing methods commonly used for sales over the phone and is widely employed today. This study aims to propose a computational model to predict the success of telemarketing calls used by banks to sell long-term deposits over the phone.
Methodology: A total of 45,211 telemarketing calls, along with 16 features, were considered. The data was divided into two separate sets: a 70% training set and a 30% test set. The k-Nearest Neighbors (k-NN) machine learning algorithm was utilized for the model, and the hyperparameters of the relevant model were automatically determined through Bayesian optimization.
Findings: As a result of the conducted analyses, an accuracy rate of 94.68%, precision of 62.96%, and specificity of 99.01% were achieved. The proposed computational method enables more successful telemarketing calls, leading to an increase in remote sales rates and the identification of more suitable potential customers for the purpose.
Originality: Within the scope of this study, the focus has been on the k-NN algorithm and the use of the Bayesian algorithm to configure the computational model. In contrast to similar studies in the literature where hyperparameter values were manually determined, this study has ensured the automatic determination of hyperparameter values within its scope. As a result, a novel computational model proposal for telemarketing has been presented, yielding promising results.
Telemarketing Decision Support System Classification k-Nearest Neighbor Algorithm
Birincil Dil | Türkçe |
---|---|
Konular | Makine Öğrenmesi Algoritmaları |
Bölüm | Araştırma Makalesi |
Yazarlar | |
Yayımlanma Tarihi | 27 Ekim 2023 |
Gönderilme Tarihi | 26 Haziran 2022 |
Yayımlandığı Sayı | Yıl 2023 |
Verimlilik Dergisi Creative Commons Atıf-GayrıTicari 4.0 Uluslararası Lisansı (CC BY-NC 4.0) ile lisanslanmıştır.