MAKİNE ÖĞRENMESİ YÖNTEMLERİ İLE MÜŞTERİ KAYBI ANALİZİ

Abstract

Günümüzde teknoloji geçmişe nazaran hızla gelişme göstermekte, artan ihtiyaçlara cevap verecek nitelikte fayda sağlamaya çalışmaktadır. Büyük veriler elektronik ortamlarda saklanmakta, kalabalıklaşan nüfusla birlikte saklanan verilere daha erken ulaşma ihtiyacı başı çekmektedir. Veri madenciliği sınıflandırma algoritmaları kullanılarak sağlanan çalışmalarla kalabalık verilerin gruplanması yapılmakta, bu veriler etiketlenerek gerektiğinde çok kısa bir süre içerisinde karşımıza çıkabilmektedir. Günümüzde gelişme gösteren hemen hemen her sektörde olduğu gibi lojistik sektöründe de rekabet koşulları hızla artmaktadır. Gelişmiş ülkelerin çoğunun entegre olduğu ve her geçen gün hızla gelişen lojistik sektörü ülkemizde 1980‟ li yıllarda hizmet vermeye başlamış, 1990‟ lı yıllarda tam anlamıyla rayına girmiştir. Bütün dünyada hızla gelişen bu sektör için müşteri sadakati çok büyük bir öneme sahiptir. Bu nedenle müşteri kayıplarını minimize etmek için müşteri ilişkileri yönetimine daha fazla önem verilmesi gerekmektedir. Artan e-ticaret sektörü ile birlikte daha fazla müşteri potansiyelinin yükseldiği görülmektedir. Aynı zamanda bununla birlikte lojistik sektörüne bir çok yeni firma dahil olmuştur. Bu koşullar doğrultusunda mevcut müşterileri elde tutmak, başka firmaya geçme eğilimi gösteren müşterileri tespit etmek önem kazanmıştır. Müşterilerin şirketten beklentilerini anlamak ve firmanın davranışlarını daha iyi takip etmek, buna yönelik stratejiler geliştirmek sektörde tutunabilmenin temeli haline gelmiştir. Kaybedilen müşterilerin geç tespit edilmesi, maliyetlerin artmasına sebep olmaktadır. Yeni müşteri kazanımı var olan mevcut müşterilerin elde tutulmasından daha fazla süre ve daha fazla maliyet gerektirmektedir. Buna bağlı olarak müşterilerin sergiledikleri davranışlar dikkate alınarak elde edilen veriler modellenerek, iptal eğilimi gösteren müşterilerin tespiti sağlanabilmektedir. Veri madenciliği büyük veri setleri içerisinde gizli kalmış anlamlı bilgiyi ortaya çıkarma faaliyetidir. Veri madenciliği hem klasik istatiksel yöntemleri hem de makine öğrenmesi yöntemlerini kullanabilir. En çok kullanılan alanlardan biri müşteri kaybı analizinde müşterileri segmentasyonlara ayırarak kaybedilecek müşterileri tahmin etmektir. Bu çalışmada, Türkiye‟ de faaliyet gösteren bir lojistik firması ile çalışan müşterilerin geçmiş iki yıldaki gönderi bilgileri incelenerek, kaybedilmiş müşteri davranışları ortaya çıkarılmaya çalışılmıştır. Veri madenciliği prensiplerine uygun olarak hazırlanan veriler üzerinde makine öğrenmesi algoritmalarından biri olan destek vektör makinesi (DVM) algoritması üzerinde uygulanmıştır. Firmadan alınan veriler içerisinden 2.000 adet müşteri uygulamamızda kullanılmıştır. Doğrusal olmayan bu veriler için en uygun sınıflandırma yöntemi DVM algoritması tercih edilmiştir. Bu müşterilerin geçmiş iki yılına ait veriler 3‟er aylık dönemlere ayrılmıştır. Toplam 8 çeyrek üzerinde müşteri kaybı analizi yapılarak, firmadan ayrılma eğilimi gösteren müşterilerin gelecek üç aydaki kayıp analiz tahminlemesi yapılmaya çalışılmıştır.