Customer segmentation and churn modeling in wireless communications
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
ÖZET KABLOSUZ İLETİŞİM SEKTÖRÜNDE MÜŞTERİ SEGMENTASYONU VE AYRILACAK MÜŞTERİ TAHMİNİ Veri madenciliği, verinin incelenerek, gizli ve değerli bilginin keşfedilmesini sağlayan bir işlemdir. Müşteri segmentasyonu ve ayrılacak müşterilerin tahmini tüm sektörlerde çok sık kullanılan veri madenciliği uygulama konulandır. Segmentasyon sonucunda oluşan birbirinden farklı fakat kendi içlerinde benzer davranış gösteren gruplar, şirketlerin özelleştirilmiş pazarlama programları geliştirmelerini sağlar. Rakip firmaya geçmeyi planlayan müşterilerin tahmini ise şirkete bu müşterilerin bağlılığını arttırmayı hedefleyen kampanyalar düzenleme fırsatını sağlar. Böylece şirket, müşteri ayrılmadan önlem alabilir. Bu tezde yapılan çalışma ve verilen örnekler Türk iletişim sektörüne yöneliktir. Oluşturulan segmentler, müşterilerin arama davranışlarına göre gruplanmasını sağlar. Her segment müşterilerin demografik bilgileri kullanılarak tanımlanır. İkinci uygulama ise ayrılacak müşterilerin tahmininin modellenmesi ve bu sayede her müşteriye bir skor atanmasıdır. Bu skor müşterinin 30 ile 60 gün arasında şirketi terk etme olasılığını gösterir. Her veri madenciliği uygulaması arkasında çalışan algoritmalar vardır. Hiyerarşik ve hiyerarşik olmayan kümeleme yöntemleri segmentasyon modellemesi için, karar ağaçları ve regresyon modellemesi ise ayrılacak müşterilerin tahmini sırasında kullanılmış ve bu algoritmalar tez içinde ayrıntılı olarak sunulmuştur. Bu çalışmanın sonunda müşterilerin davranışını gruplayan altı farklı segment bulunmuştur. Tahmin modeli sonucunda ise müşterinin şirketi terk etmesini etkileyen faktörler ortaya çıkmış ve her müşteriye bir skor atanmıştır. Cep telefonu tipi ve faturanın gönderildiği şehir müşterinin ayrılmasını sağlayan en önemli etkenler olarak görülmüştür. IV ABSTRACT CUSTOMER SEGMENTATION AND CHURN MODELING IN WIRELESS COMMUNICATIONS Data mining is a process applied for the exploration of the data in order to find valuable hidden information. Customer segmentation and churn modeling are two application areas of data mining widely used for customer retention in all industries. Segmenting customers into discrete similar groups enables companies to develop customized marketing programs for them. Churn modeling is predicting which customers will leave the company and when. This allows companies to increase customer loyalty by producing special campaigns. This thesis focuses on the wireless communications sector in Turkey. Segments are developed on the call behavioral data of customers and described with their special characteristics. Afterwards, a churn prediction model is built up to produce a score for each customer that will indicate how likely the customer is to leave the company in 30 to 60 days. Each of these data mining applications uses different algorithms. Hierarchical and nonhierarchical clustering algorithms are used to implement segmentation. Decision trees and logistic regression are carried out to predict the churners. All the algorithms that are employed in this study are illustrated in detail. This study ends concluding on the results of both segmentation and churn models that are developed. There are six different segments describing the call behavior of the customers. At the end of churn prediction model, a churn score is produced for each customer and it is proved that equipment type and city where the bill is sent are the most effective predictors of churn.
Collections