GÜÇLENDIRME ALGORİTMALARI İLE TELEKOMÜNİKASYONDA MÜŞTERİ KAYBI TAHMİNİ

Authors : Ezgi NAZMAN

Pages : 12-21

View : 13 | Download : 5

Publication Date : 2021-03-01

Article Type : Research Paper

Abstract :Müşteri kaybı, özellikle bankacılık ve telekomünikasyon alanındaki büyük şirketler için en büyük sorunlardan biridir. Son zamanlarda, telekomünikasyon şirketleri, yeni müşteriler kazanmanın maliyeti, mevcut müşterileri elde tutmaktan daha fazla olduğu için müşteri kaybını önleme eğilimindedir. Bu nedenle şirketler, makine öğrenimi algoritmaları gibi farklı tahmin yöntemlerini kullanarak potansiyel kayıpları belirlemek istemektedir. XGBoost, Adaptive ve Gradyant Boost algoritmaları, denetimli makine öğrenimi yöntemleri olarak yaygın şekilde kullanılmaktadır. Güçlendirme algoritmaları, diğer makine öğrenimi yöntemlerine kıyasla üstün algoritmalar olarak bilinmesine rağmen, bu modellerin performansları, veri seti oldukça dengesiz olduğunda büyük ölçüde etkilenebilir. Çalışmada, güçlendirme algoritmalarını değerlendirmek için % 26,4`ü kaybedilen müşterileri içeren veri seti dikkate alınmıştır. Özellikler, müşterilerin cinsiyet, çevrimiçi güvenlik, internet hizmeti, çevrimiçi yedekleme gibi müşteri kaybetme durumuyla ilişkili olabilecek değişkenlerden oluşmaktadır. İlk olarak, Müşterilerin ilgili özellikler açısından dağılımını anlamak için keşifsel veri analizi uygulandı. Daha sonra, dengesiz veri problemini ortadan kaldırmak için Adaptive-oversampling yöntemi kullanılmıştır. Son olarak, karşılaştırılan algoritmaların tahmin sonuçlarını değerlendirmek amacıyla doğruluk, kesinlik ve F1 ölçümleri hesaplandı. Tahmin sonuçlarını doğrulamak için 10 kat çapraz geçerlilik de uygulandı.
Keywords : Müşteri Kaybı, Telekomünikasyon, Makine Öğrenmesi, Dengesiz Veri