Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightBu yöntemle müşterilerin ayrılma kararına etki eden temel faktörler değerlendirilip ayrılacağı tahmin edilen müşterilere yönelik caydırıcı teşvik ve promosyonlar önerilmiştir.
📌 3 Maddede Bu Makale
Özet
Telekomünikasyon sektöründe ayrılacak müşterilerin önceden tahmin edilmesi, firmaların bu müşterilere özel elde tutma stratejileri geliştirerek müşteri kaybını önlemesinde oldukça önemlidir. Bu çalışmada müşteri kaybı tahmini için geleneksel makine öğrenmesi yöntemlerinden Lojistik Regresyon, Destek Vektör Makineleri ve Yapay Sinir Ağlarının performansı, topluluk öğrenme yöntemleri olan Rastgele Orman, Gradyan Güçlendirme Makineleri ve Aşırı Gradyan Güçlendirme yöntemlerinin performansıyla kıyaslanmıştır. Açık erişimli telekomünikasyon verisinde bulunan sınıf dengesizliği problemi, modellerin performansına olan olumsuz etkisinin önlenmesi amacıyla SMOTE yeniden örnekleme yöntemiyle giderilmiştir. Deney sonuçlarına göre Rastgele Orman modeli tahminlerin %85.9 doğruluk oranı ile diğer modellere üstünlük sağlamıştır. Model sonuçlarına en çok etki eden faktörlerin tespit edilip yorumlanabilmesi için Shapley Katkı Açıklamaları yöntemi kullanılmıştır. Bu yöntemle müşterilerin ayrılma kararına etki eden temel faktörler değerlendirilip ayrılacağı tahmin edilen müşterilere yönelik caydırıcı teşvik ve promosyonlar önerilmiştir.