İnternet Servis Sağlayıcısı için İptal Analizi Modeli

Abstract

İptal analizi müşterilerin davranış örüntülerinin modellenerek, gelecekte iptal eğilimi gösteren aboneler hakkında öngörülerin belirlendiği müşteri ilişkileri yönetimi sürecidir. Yeni müşterinin kazanımı, mevcut müşterinin sistemde tutulmasından çok daha fazla maliyetlidir. Bu bağlamda iptal analizi ile yapılan tahminler mevcut müşterinin iptale gitmemesi için yapılacak tutundurma faaliyetlerine yardımcı olmaktadır. Günümüzde telekomünikasyon firmaları iptal analizini çeşitli uygulamalarla sistemli bir süreç halinde iyileştirerek sürdürmektedirler. Bu çalışmada da telekomünikasyon sektöründe faaliyet gösteren bir internet servis sağlayıcısının müşteri bilgileri ve davranışları incelenerek gerçekleştirilmiştir. Yapılan literatür araştırmaları sonucunda belirlenen bir bilgi keşif süreci çerçevesinde veri madenciliği uygulamalarının yardımı ile iki fazlı çözüm modeli oluşturulmuştur. Geliştirilen iki fazlı çözüm modeli zaman serisi kümeleme ve sınıflandırma algoritmaları ile birlikte en uygun çalışacak şekilde tasarlanmıştır. Zaman serisi kümeleme uygulaması için k-ortalama ve hiyerarşik kümeleme algoritmaları, sınıflandırma için ise destek vektör makineleri ve özyinelemeli bölümleme algoritmaları karşılaştırmalı olarak performans ölçütleri değerlendirilmiştir.

Churn prediction is a customer relationship process that specifies predictions for customers who are inclined to churn in future through modelling customer behavior patterns. It costs more to acquire a customer than to retain a customer. In this sense, the predictions which are made with churn prediction support promotion activities executed to avoid subscription cancellation of existing customers. Nowadays, telecommunication companies maintain churn prediction with various applications as a systematic process. Also this thesis is written on the basis of customer data and behavior analysis of an internet service provider operating in telecommunication sector. Within the knowledge discovery process framework, explored as a result of realized literature survey, two phased solution model is created with the help of data mining applications. Developed two phased solution model is designed to run effectively with time series clustering and classification algorithms. Performance indicators are evaluated comparatively with respect to k-means, hierarchical clustering algorithms for time series clustering and support vector machines, recursive partitioning for classification algorithms.