Bankacılık sektöründe müşterilerin davranışsal segmentasyonu için bir veri madenciliği uygulaması

Abstract

Günümüz rekabet koşullarının çetin olduğu ve hızla değiştiği bankacılık sektöründe, müşterinin beklentisini, ihtiyaçlarını, alışkanlıklarını, davranış biçimini, sosyo- ekonomik durumunu göz önünde bulundurarak müşteri profilleri oluşturmak ve bu müşteri profillerine uygun pazarlama yaklaşımları geliştirmek büyük önem kazanmıştır. Bunu başarmak için veri madenciliği yöntemlerinden yararlanılarak müşterilerin farklı özelliklerine göre gruplara bölme ve sınıflandırma çalışmaları yapılmaktadır. Bu tez çalışmasında, müşterilerin davranış özelliklerine dayalı olarak gruplara ayırma işlemi yapılmıştır. Özel bir Türk bankasının bireysel müşterilerinin ürün kullanımı, kanal tercihi ve işlem tercihlerini gösteren nitelikler incelenerek, bankanın tüm müşterilerinin davranış profilleri veri madenciliği yöntemleri ile ortaya çıkarılmaya çalışılmıştır. Müşterileri gruplara ayırma işleminde; karışık veri tipli ve çok boyutlu veri kümelerini işleyebilen, birebir küme ataması yapabilen, çalışma süresi diğer yöntemlere göre daha kısa olan k-prototip algoritması kullanılmıştır. Çalışmada veri kümesinin oluşturulması, temizlenmesi, dönüştürülmesi, k-prototip algoritmasının uygulanması, sonuçların yorumlanması ve kaydedilmesini sağlayan bir uygulama geliştirilmiştir. Bu tez çalışması, bankacılık sektöründe etkin kampanya yönetimi yapılabilmesi ve müşterilere doğru ürünü, doğru kanaldan sunulabilmesine önemli katkı sağlayacağından, bu alanda çalışacak araştırmacılar için referans niteliği taşıyacaktır.

In the banking sector, where today's competitive conditions are difficult and rapidly changing, it has become very important to create customer profiles taking into consideration customer expectations, needs, habits, behaviors and socio-economic situation, and developing appropriate marketing approaches to these customer profiles.For achieving these, data mining methods are used to divide and classify groups according to different characteristics of the customers.In this dissertation, customers are divided into groups according to the behavioral characteristics. In a private Turkish bank, by examining the attributes of their individual customers' product usage, channel and transaction preferences, the behavior profiles of all the customers of the bank have been tried to be revealed by data mining methods. In the process of separating customers into groups k-prototype algorithm has been used. This algorithm can process multidimensional and large data sets with mixed data types. Also, the working time of k-prototype algorithm is shorter than the other comparable methods. In this study, an application has been developed which is capable of cleaning and transformation of data set, interpretation, and storing the results. This thesis will be a reference for researchers who will work on this area because it will make an important contribution to effective campaign management in the banking sector and to present the correct product to the customer from the right channel.