Churn management by using fuzzy c-means

Abstract

Bugünlerde, GSM (Global Service of Mobile Communication) pazarı bütün uluslarda devasa bir sektör haline gelmiştir. Ses kalitesi en önemli faktör olduğundan ve müşteriler GSM operatörlerini seçerken bu hizmete çok dikkat ettiklerinden GSM şirketleri ses kalitelerini yükseltebilmek içim 3G teknolojisini kullanmaktadırlar. Müşteri GSM operatörü seçerken etken olan başka özellikler de mevcuttur. Bu etkenler nedeni ile bir çok müşteri kullandıkları operatörleri değiştirmektedir. GSM şirketleri için müşterinin hizmetten vazgeçip, vazgeçmeyeceğini veya operatör değiştirip değiştirmeyeceğini öngörmek çok önemlidir. Bu yüzden GSM hizmeti veren şirketler herbir müşterinin anlık davranışlarını kontrol etmek ve müşterinin gelecekteki olası kararlarını tahmin etmek zorundadır. Bu çalışmada, veri madenciliği teknikleri kullanılarak bir müşterinin kullandığı operatörü değiştirip değiştirmeyeceğine dair tahminler üretmeye çalıştık. Aynı zamanda fuzzy c-means algoritması Decision Tree, Naive Bayes, Support Vector Machine ve Probabilistic Neural Network gibi algoritmalarla da karşılaştırıldı. Çalışma sonunda Fuzzy c-means algoritmasının en iyi sonucu vermesini beklemekteyiz.

Nowadays, Global Service of Mobile Communication (GSM) market is a huge sector in nations? economies. Voice quality is an important factor for a customer to choose a GSM operator and hence GSM companies increases their voice quality via 3G technologies. Also there are other factors which affect a consumer to prefer a particular GSM operator. Due to several reasons, customers change their current GSM operators. It is very important for GSM operators to predict if a subscriber will cancel the service and switch to another GSM operator. Therefore, companies that provide GSM services have to monitor the behavior of each subscriber and predict one step ahead. In this study, using fuzzy c-means algorithm, we aim to predict whether a subscriber will change her current GSM operator or not. We also compare fuzzy c-means algorithm with Decision Tree, Naïve Bayes and Support Vector Machine and Probabilistic Neural Network. At the end of this study we expect that fuzzy c-means will give best result.