Banka müşteri kayıplarının öngörülmesinde makine öğrenmesi yaklaşımları ve sentetik veri kullanımı
Machine learning approaches and usage of synthetic data for predicting bank customer churn
- Tez No: 971208
- Danışmanlar: DOÇ. DR. İHSAN KAYA
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Kayıp müşteri tahminlemesi, Yapay zeka ve makine öğrenmesi dersi, Customer churn prediction, Artificial intelligence and machine learning course
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde artan rekabet koşulları, bankacılık sektöründe yalnızca yeni müşteri kazanımını değil, mevcut müşterilerin elde tutulmasını da stratejik açıdan kritik bir öncelik haline getirmiştir. Bu doğrultuda, müşteri ilişkileri yönetimi (MİY) süreçlerinin daha verimli işletilebilmesi için veri odaklı yaklaşımlar önem kazanmaktadır. Bu çalışma, bankacılık sektöründe müşteri kaybı (churn) olasılığını önceden tahmin edebilmek amacıyla makine öğrenmesi temelli bir yöntem önermektedir. Kullanılan veri seti, 10.000 müşterinin demografik ve finansal bilgilerini içermekte olup, churn davranışını etkileyebilecek birçok değişkeni kapsamaktadır. Makine öğrenmesi yöntemleri, büyük veri kümeleri üzerinden örüntüleri öğrenme ve geleceğe yönelik tahminlerde bulunma yeteneği sayesinde, müşteri davranışlarının öngörülmesinde etkili ve hızlı çözümler sunmaktadır. Çalışmada sekiz farklı makine öğrenmesi algoritması (Lojistik Regresyon, Karar Ağacı, K En Yakın Komşu Algoritması (KNN), Rasgele Orman, Ekstra Ağaç Sınıflandırıcı, AdaBoost, MLP Sınıflandırıcı, XGBoost) kullanılmış ve sınıf dengesizliğini gidermek amacıyla Sentetik Azınlık Aşırı Örnekleme Tekniği (SMOTE) yöntemi uygulanmıştır. Model performansları doğruluk (Accuracy), kesinlik (Precision), duyarlılık (Recall), F1 skoru ve ROC eğrisi altındaki alan (ROC AUC) metrikleri kullanılarak değerlendirilmiştir. Sonuçlara göre, churn sınıfını en iyi tahmin eden model AdaBoost+SMOTE olurken, tüm metriklerde en dengeli performansı XGBoost+SMOTE göstermiştir. Bu çalışma, Müşteri İlişkileri Yönetimi stratejilerinde yapay zekâ destekli modellerin etkinliğini ortaya koymakta ve müşteri bağlılığını artırma konusunda bankalara yol göstermektedir
Özet (Çeviri)
In today's increasingly competitive environment, retaining existing customers has become a strategic priority in the banking sector, in addition to acquiring new ones. Accordingly, data-driven approaches have gained importance in enhancing the efficiency of Customer Relationship Management (CRM) processes. This study proposes a machine learning-based approach to predict customer churn in the banking sector. The dataset used includes demographic and financial information of 10,000 customers and contains a variety of features that may influence churn behavior. Machine learning methods provide effective and rapid solutions for predicting customer behavior through their ability to learn patterns from large datasets. In this study, eight different machine learning algorithms were applied: Logistic Regression, Decision Tree, K-Nearest Neighbors (KNN), Random Forest, Extra Trees Classifier, AdaBoost, Multi Layer Perceptron (MLP) Classifier, and Extreme Gradient Boosting (XGBoost). To address the class imbalance in the dataset, the Synthetic Minority Over-sampling Technique (SMOTE) was implemented. The models were evaluated using performance metrics such as Accuracy, Precision, Recall, F1 Score, and Area Under the ROC Curve (ROC AUC). According to the results, the AdaBoost + SMOTE model best predicted the churn class, while the XGBoost + SMOTE model showed the most balanced performance across all metrics. SMOTE significantly contributed to enhancing prediction performance by making the minority class more visible to the models. This study demonstrates the effectiveness of AI-powered predictive models in CRM strategies and provides a valuable roadmap for banks seeking to enhance customer loyalty through proactive intervention.
Benzer Tezler
- Veri bilimi yöntemleri kullanılarak banka müşteri kayıplarının tahminlenmesi
Forecasting bank customer churn using data science methods
BARIŞ KAVUŞ
Yüksek Lisans
Türkçe
2025
Mühendislik Bilimleriİstanbul Nişantaşı ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ NEGAR SADAT SOLEIMANI ZAKERI
- Bankacılıkta dolandırıcılık yöntemleri ve tespiti
Fraud methods in banking and its detection
ÇAĞRI CİVELEK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHaliç ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MÜBARİZ EMİNLİ
- Noncontractual churn analysis for a private bank customers
Sözleşmesiz özel banka müşterilerine yönelik müşteri kaybı analizi
BAHA ULUĞ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiYapay Zeka Ana Bilim Dalı
PROF. DR. SÜREYYA AKYÜZ
- Banka müşterilerinin katılım bankacılığı hakkındaki algısı, Samsun örneği
Bank customers' perception of participation banking, the case of Samsun
MUHAMMET GEREN
Yüksek Lisans
Türkçe
2021
Bankacılıkİstanbul Sabahattin Zaim Üniversitesiİşletme Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TUĞÇENUR EKİNCİ FURTANA
- Banka müşterilerinin demografik ve sosyo-ekonomik özellikler bakımından gruplandırılmasında kümeleme çözümlemesi ve bir uygulama
Başlık çevirisi yok
ZEKİ YILDIZ
Yüksek Lisans
Türkçe
1989
İstatistikAnadolu Üniversitesiİstatistik Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÖZMEN