Banka müşterilerinin konum izni paylaşma davranışlarının makine öğrenmesi ile tahmin edilmesi
Predicting bank customers' location permission sharing behavior by using machine learning
- Tez No: 1014033
- Danışmanlar: DOÇ. DR. MEHMET GÖKTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Veri madenciliği ve makine öğrenmesi teknikleri, günümüzde çok çeşitli sektörlerde karar alma süreçlerini daha verimli ve öngörülebilir hale getirmektedir. Özellikle bankacılık ve finans gibi veri yoğunluğu yüksek alanlarda müşteri davranışlarını analiz etmek için önemli katkılar sağlamaktadır. Bu çalışma, banka müşterilerinin bankacılık uygulamaları üzerinden konum izni verme eğilimlerinin, sahip oldukları kişisel ve finansal özelliklerle ilişkili olup olmadığını analiz etmeyi amaçlamaktadır. Çalışmada kullanılan veri kümesi, Türkiye'de faaliyet gösteren bir bankanın gerçek ve anonimleştirilmiş müşterisine ait bilgilerden oluşmakta olup, konum izni veren ve vermeyen müşterilerin bilgilerini içermektedir. Veri; adres, yaş, meslek, eğitim durumu, müşteri segmenti, vadeli ve vadesiz mevduat durumları, finansal sahiplikler gibi çeşitli kişisel ve finansal özellikleri kapsamaktadır. Tahminleme amacıyla Karar Ağacı (DT) ve Rastgele Orman (RF) algoritmaları tabanlı modeller uygulanmış daha sonra ise Histogram Tabanlı Gradyan Artırma (HGB) ve Çok Katmanlı Algılayıcı (MLP) algoritmaları tabanlı modeller ile çalışma genişletilmiş ve geliştirilmiştir. Veri kümesi, %80 - %20 oranında modellerin eğitimi ve testi için ayrılarak çıkan sonuçlar değerlendirilmiştir. Karar Ağacı algoritması %59,42 doğruluk oranına ulaşırken, Rastgele Orman algoritması %62,43 doğruluk oranı ile performans sergilemiştir. Çıkan sonuçların ardından ikinci bir aşama çalışma yapılmasına karar verilmiş, zenginleştirilmiş daha geniş özelliklere sahip yeni bir veri kümesi toplanmış ve uygulanan farklı ek sınıflandırma modelleri ile RF için %85,11 , HGB için %85,27 ve MLP için %82,87 doğruluk oranlarına ulaşılmıştır. Özellik önem analizinde ise maaş durumu gibi banka ile kurulan düzenli ilişkilerin, uygulama içi verilen diğer izinlerin, finansal sahipliklerin ve yaş bilgisinin sınıflandırma performansını en fazla etkileyen özellikler olduğu tespit edilmiştir. Çalışma, literatürde bankacılık alanında yaygın olarak karşılaşılan kredi risk analizi, müşteri kaybı analizi ve müşteri segmentasyonunun belirlenmesi gibi konulardan farklı olarak, müşterinin konum bağlamını uygulama ile paylaşmaya olan eğilimini tahminlemeye odaklanması açısından özgünlük taşımaktadır. Böylece mobil bankacılık uygulamalarında kişiselleştirme ve hedefleme stratejilerinin daha performanslı hale getirilmesi için bir bakış açısı sunmaktadır. Elde edilen bulgular, uygulamaların kişiselleştirilmiş hizmetler geliştirmesine katkı sağlayabileceği gibi, bankacılıkta kullanıcı rızasına bağlı izinlerin elde edilmesinde temel alınabilir.
Özet (Çeviri)
Data mining and machine learning techniques are making decision-making processes more efficient and predictable across a wide range of industries today. They make significant contributions, particularly in data-intensive fields such as banking and finance, where they are used to analyse customer behaviour. This study aims to analyse whether bank customers' tendency to grant location permission through banking applications is related to their personal and financial characteristics. The dataset used in the study consists of real and anonymised customer information from a bank operating in Turkey, including information on customers who grant and do not grant location permission. The data covers various personal and financial characteristics such as address, age, occupation, education status, customer segment, term and demand deposit status, and financial holdings. Decision Tree (DT) and Random Forest (RF) algorithm-based models were applied for prediction purposes. Subsequently, the study was expanded and developed using Histogram-Based Gradient Boosting (HGB) and Multi-Layer Perceptron (MLP) algorithm-based models. The dataset was split 80-20 for model training and testing, and the results were evaluated.The Decision Tree algorithm achieved an accuracy rate of 59.42%, while the Random Forest algorithm performed with an accuracy rate of 62.43%. Following these results, it was decided to conduct a second phase of work. An enriched dataset with broader features was collected, and the new classification models applied achieved accuracy rates of 85.11% for RF, 85.27% for HGB, and 82.87% for MLP. In the feature importance analysis, it was determined that regular relationships established with the bank, such as salary, other permissions granted within the application, age, and financial ownership were the features that most affected the classification performance. The study is unique in that it focuses on predicting the customer's propensity to share their location context with the application, unlike topics commonly encountered in the literature on banking, such as credit risk analysis, customer churn analysis, and customer segmentation. It thus offers a perspective for improving the performance of personalisation and targeting strategies in mobile banking applications. The findings obtained can contribute to the development of personalised services in applications and can also serve as a basis for obtaining user consent in banking.
Benzer Tezler
- Sivas'ta kadınların işgücüne katılım farklılıkları
Başlık çevirisi yok
BİNNUR ERCEM
Yüksek Lisans
Türkçe
1984
SosyolojiCumhuriyet ÜniversitesiKurumlar Sosyolojisi Ana Bilim Dalı
YRD. DOÇ. DR. FARUK KOCACIK
- İsmayıl Hakkı Baltacıoğlu'nun kültür ve eğitim kavramı üzerine bir inceleme
An Examination of the concepts of culture and education of Ismayıl Hakkı Baltacıoğlu
ABDULLAH DİKİCİ
Doktora
Türkçe
1986
Eğitim ve ÖğretimUludağ ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. SUAT ANAR
- Para politikasına yeni bir bakış: Merkez Bankası bağımsızlığı
Başlık çevirisi yok
ZAHİDE AYYILDIZ ONARAN