Telekomünikasyon sektöründe makine öğrenmesi yöntemleriyle müşteri kayıp analizi
Customer churn analysis in the telecommunications sector using machine learning techniques
- Tez No: 1020175
- Danışmanlar: PROF. DR. NURSAL ARICI
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Bilişim Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı (disiplinlerarası)
- Bilim Dalı: Bilişim Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde teknolojik gelişmelerin artmasıyla birlikte telekomünikasyon sektöründe rekabet yaşanmaktadır. Numara taşıma işlemlerinin kolaylaşması ve hizmet sağlayıcılar arasındaki geçiş maliyetlerinin düşmesiyle müşterilerin diğer operatörlere yönelmesinde artış gözlemlenmektedir. Bu durum telekomünikasyon şirketleri için müşterisini korumayı zorlaştırmakta ve müşteri kaybına sebep olmaktadır. Telekomünikasyon sektöründe yeni müşteri kazanma maliyeti, eldeki müşteriyi tutma maliyetinden daha yüksek olduğu bilindiğinden müşteri kaybının önceden tespit edilmesi önemli olmaktadır. Müşteri kaybı analizi, müşteri verilerinin analiz edilerek ayrılma ihtimali olan müşterilerin önceden tespit edilmesidir. Müşteri kaybı analizi için son yıllarda veri madenciliği ve yapay zekâ teknikleri kullanılmaktadır. Bu çalışmada telekomünikasyon sektörüne ait veri seti ile makine öğrenmesi sınıflandırma algoritmaları kullanılarak müşteri kaybı analizi yapılmıştır. Kaggle'dan alınan veri seti ile eksik veri analizi, aykırı değer tespiti, veri dönüşümü yapılmış ve veri dengesizliği için SMOTE yöntemi kullanılmıştır. Eğitim ve test olarak ayırdığımız veri seti üzerinde Lojistik Regresyon, Rastgele Orman, Karar Ağaçları, Naive Bayes, K-En Yakın Komşuluk algoritmaları kullanılarak modeller oluşturulmuştur. Modellerin performansları doğruluk, kesinlik, duyarlılık, F1-skor, ROC-AUC ölçütleri ve karışıklık matrisi çıktıları karşılaştırmalı olarak analiz edilmiştir. En yüksek doğruluğa sahip algoritma ile çıkan sonuçların daha somut olarak anlaşılabilmesi ve makine öğrenmesi modellerinin açıklanabilirliğini sunmak için açıklanabilir yapay zeka teknikleri kullanılmıştır. En çok kullanılan yapay zeka tekniklerinden SHAP ve LIME hem küresel hem de yerel olarak ele alınmıştır. Elde edilen sonuçlar, veri setine uygulanan ön işleme adımlarının makine öğrenmesi algoritmalarının başarılı çıktılar üretmesinde önemli bir rol oynadığını ve makine öğrenmesi algoritmalarının müşteri kaybını etkili bir şekilde tahmin edebildiği göstermektedir. Ayrıca açıklanabilir yapay zeka teknikleriyle analiz edilen modellerin telekomünikasyon sektöründe daha güvenilir ve yorumlanabilir karar destek sistemlerinin geliştirilmesine katkı sağlaması beklenmektedir.
Özet (Çeviri)
With the increase in technological developments today, competition in the telecommunications sector has intensified. As number portability has become easier and switching costs between service providers have decreased, an increase has been observed in customers switching to other operators. This situation makes it more difficult for telecommunications companies to retain their customers and leads to customer churn. Since the cost of acquiring new customers in the telecommunications sector is known to be higher than the cost of retaining existing customers, the early detection of customer churn becomes important. Customer churn analysis refers to identifying customers who are likely to leave by analyzing customer data. In recent years, data mining and artificial intelligence techniques have been widely used for customer churn analysis. In this study, customer churn analysis was conducted using machine learning algorithms with a dataset from the telecommunications sector. Using the dataset obtained from Kaggle, missing data analysis, outlier detection, and data transformation were performed, and the SMOTE method was applied to address data imbalance. Models were developed on the dataset, which was divided into training and test sets, using Logistic Regression, Random Forest, Decision Trees, Naive Bayes, and K-Nearest Neighbors algorithms. The performance of the models was comparatively analyzed using accuracy, precision, recall, F1-score, ROC-AUC metrics, and confusion matrix outputs. To provide a more concrete understanding of the results obtained from the algorithm with the highest accuracy and to present the explainability of machine learning models, explainable artificial intelligence techniques were employed. Among the most commonly used techniques, SHAP and LIME were examined both globally and locally. The results indicate that the data preprocessing steps applied to the dataset play an important role in enabling machine learning algorithms to produce successful outputs and that machine learning algorithms can effectively predict customer churn. Furthermore, it is expected that the models analyzed with explainable artificial intelligence techniques will contribute to the development of more reliable and interpretable decision support systems in the telecommunications sector.
Benzer Tezler
- Ağaç temelli makine öğrenmesi yöntemleri ile telekomünikasyon sektöründe müşteri kayıp analizi
Customer churn analysis in the telecommunications sector using tree-based machine learning methods
BAŞAK CEREN SEÇİK GÖÇER
Yüksek Lisans
Türkçe
2024
MatematikYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM EMİROĞLU
- Telekomünikasyon sektöründen sınıflandırma algoritmaları ile müşteri kayıp analizi
Customer churn analysis with classification algorithms in telecommunication sector
EZGİ USTA
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul ÜniversitesiEnformatik Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM EROL
- Avrupa Topluluğu'nun bürokratik yapısı
Başlık çevirisi yok
GÜNİZ ODYAKMAZ
Yüksek Lisans
Türkçe
1989
Uluslararası İlişkilerİstanbul ÜniversitesiUluslararası İlişkiler Ana Bilim Dalı
PROF. DR. BENER KARAKARTAL
- Telekomünikasyon amaçlı üç bantlı bir dicroic cassegrain antenin incelenmesi
Başlık çevirisi yok
ŞENER ANGUN
Yüksek Lisans
Türkçe
1989
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ OKTAY
- Kablolar üzerinde sayısal işaret iletiminin incelenmesi
Başlık çevirisi yok
AHMET GÜLÇUBUK
Yüksek Lisans
Türkçe
1989
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ OKTAY