Makine öğrenmesiyle müşteri kayıplarının tahmini

Abstract

Kayıp müşteri analizi, son zamanlarda üyelik tabanlı çalışan firmalar için önem kazanmaya başlamıştır. Çünkü bu firmalar, kaybetmek üzere oldukları müşterileri tespit edip onları üye olmaya devam etmeleri için ikna kampanyaları düzenlemek istemektedirler. Böylelikle yeni üye elde etmektense var olan üyeyi elde tutmanın karından yararlanacaklardır. Sektörün bu ihtiyacı sebebi ile bu çalışmada makine öğrenmesi teknikleri ile telekomünikasyon sektöründe ki müşterilerin üyelikten çıkıp çıkmayacağı tahmin edilmeye çalışılmıştır. Konu ile ilgili geçmişte yapılan çalışmalar incelendiğinde en çok kullanılan yöntemler bulunmuş ve algoritmaların performansı ölçülmüştür. Bununla birlikte Lojistik Regresyon ve Naif Bayes yöntemleri kullanılarak yeni bir yöntem önerilmiştir. Bu yeni yöntemin tahmin başarısının Naif Bayes ve Lojistik Regresyon yöntemlerinden daha yüksek olduğu görülmüştür.

Customer churn analysis is getting important for the firms that are working with memberships. Because most of the companies want to know which of the customers want to cancel the contract and convince them to continue using services from the company with new offers. Thus, they can use the financial opportunity of working with old customers rather than finding new ones. We analyze well-known machine learning methods that are logistic regression, Naïve Bayes, support vector machines, artificial neural networks and propose new prediction method. Because of the request from the companies, we tried to predict customer churn in telecommunication sector with machine learning techniques. When we searched about the customer churn analysis and found most popular machine learning methods. In this study, we calculated the performance of the methods. In addition to this, we proposed new approach to predict churn analysis by using Logistic Regression and Naive Bayes methods. As a result, we get better results than two methods separately.