Müşteri memnuniyeti belirlenmesi için metin madenciliği tabanlı bir yazılım aracı

Abstract

İşletmenin veri tabanlarında bulunan veriler tek başına anlam ifade etmezler ve İşletmeler gelişen teknoloji ile birlikte bu veri yığınlarını mümkün olduğunca kullanıp, kendilerine faydalı bilgi haline getirmek isterler. Bu işlemi yapabilmek için öncelikli olarak yapısal halde olmayan verileri yapısal hale getirmeleri gerekir.Bu tez çalışmasında bir işletmenin 2002 yılından bu yana saklanan `Müşteri Şikayet Verileri` üzerinde işlem yapılmıştır. Her şikayet kaydı Mutlu veya Mutsuz şekilde kapanmaktadır. Burada amaç şikayet kaydını açan ilgili uzmanın, daha kaydın girişini yaparken Mutlu ya da Mutsuz kapanacağını tahmin eden bir sistem geliştirmek ve şikayet kaydının Mutsuz şekilde kapanacağını tahmin eden yazılım aracının yardımıyla müşteriye nasıl davranacağı konusunda yol göstermektir.Bu tez çalışması kapsamında bir yazılım aracı geliştirilmiştir. Bu yazılım aracına son yıllarda girilen kayıtlar ile sistem eğitilmiş ve kategorilere (Mutlu/Mutsuz) ayrılmıştır. Bundan sonra gelecek olan kayıtların kategorisinin tahmin edilmesi sağlanmıştır.

Data in a firm database does not mean anything alone. While technologies used in the businesses developing rapidly, firms want to use this big data the as much as possible so that makes it an advantage for the firm. To do this, first they have to convert non-structural data into structural form for this process.In this thesis, a firm's `Customer Complaints Data` (recorded since 2002) has processed. As a fact, each complaint record can be closed with Happy or Unhappy customer feeling. The purpose of this study; to develop a software that could help call center agents by predicting the result of customer's feelings at the end, while recording customer's request at the beginning. Also it's expected that the software leads agents to proper behaviors that makes happy customer feeling.In this study Customer Satisfaction Software has development. In this software, the system has improved with the records in recent years and results has divided into two categories (happy/unhappy). Then the software could predict results of future records.