Please use this identifier to cite or link to this item: http://hdl.handle.net/11527/372
Title: Veri Madenciliğinde Bağlılık
Other Titles: Churn Analysis Using Data Mining Techniques
Authors: Adalı, Eşref
Koçtürk, Yıldız
Bilgisayar Mühendisliği
Computer Engineering
Keywords: Veri madenciliği
Müşteri kaybetme analizi
Data mining
Churn Analysis
Issue Date: 31-Dec-2010
Publisher: Fen Bilimleri Enstitüsü
Institute of Science and Technology
Abstract: Veri madenciliği, büyük veri kümeleri içindeki anlamlı bilgiyi ortaya çıkarma sürecidir. Veri madenciliğinin en yaygın kullanıldığı alanlardan biri, ayrılma eğilimi gösteren müşteri kesitini belirlemedir. Ayrılma eğilimini gösteren müşteri kesitini belirleme, şirketlerin bu müşterilere özel kampanyalarını geliştirmelerini sağlamaya yöneliktir. Yapılan bu çalışmada, bireysel emeklilik müşterilerinin çeşitli niteliklerdeki bilgilerini inceleyerek, kaybedilmiş müşteri profili veri madenciliği yöntemleriyle ortaya çıkarılmaya çalışılacaktır. Çalışmada, karar ağaçları yöntemi kullanılmıştır. Karar ağaçları ile veri kümesindeki olaylar özelliklerine göre sorgulanır ve kurallar oluşturulur. Amaç, birbirinden bağımsız gözüken veriler arasındaki ilişkiyi çözmektir. Veri kümesinde gizlenmiş kurallar mevcuttur ve karar ağacı oluşturulurken bu kurallar ortaya çıkarılır. Karar ağacının doğruluğunu hesaplamak için ilgili veri kümesi ikiye bölünür. Bu kümelerden biri ile ağaç oluşturulur ve diğeri ile ağaç test edilir. Böylelikle karar mekanizmasına ne kadar güvenileceği bilgisi elde edilir. İnceleme sırasında 26.858 adet müşterinin bilgileri üzerinde bu yöntemle çalışmalar yapılmıştır. Bu yöntemle ortaya çıkan kurallar test edilerek doğruluk oranları ortaya çıkarılmış, bunlar istatiksel tablolarla göz önüne konmuştur. Karar ağaçları genelde bu tip konularda sebep ortaya çıkarma konusunda oldukça güçlüdür. Bu sebeple, çalışmanın en son bölümünde kural tabloları incelenerek, müşteri kayıplarının sebepleri ve ne zaman gerçekleştiği bilgisine ulaşılmaya çalışılacaktır.
Data mining is the process of finding hidden and unknown patterns in huge amount of data. Data mining has a wide application area such as marketing, banking and finance, medicine and manifacturing. Churn analysis is a common application area of data mining. Churn modeling is predicting which customer will leave the company. This allows companies to increase customer loyalty by producing special campaings. In this study, some data attributes of Individual Pension Savings and Investment System customers are investigated and churned customer profile is stated by using data mining methods. The decision tree method is used in this study. The instances in data sets are inquired according to their attributes and the rules are created. The aim of this inquiry is to figure out the relationship between data that seem to be totally distinct from each other. In the data sets some rules are hidden inherently; and in the course of creating the decision tree, these rules are revealed. In order to calculate the accurancy of the desicion tree, the related data set is divided into two. One of these sets serves the creation of the tree and the other is used to test it. Total number of data, which is examined through this analysis, is 26858. The rules obtained from the analysis are tested on the test data and the error and correctness rates are found and statistically measured. Desicion tree algorithms are powerful to find the causes of certain problems associated with their human – readable rule tables. These rule tables are examined to learn the cause, and time of customer churn.
Description: Tez (Yüksek Lisans) -- İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, 2010
Thesis (M.Sc.) -- İstanbul Technical University, Institute of Science and Technology, 2010
URI: http://hdl.handle.net/11527/372
Appears in Collections:Bilgisayar Mühendisliği Lisansüstü Programı - Yüksek Lisans

Files in This Item:
File Description SizeFormat 
10869.pdf1.5 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.