smııc / tc1 n 2 1 / 16

SMIIC / TC1
SMIIC / TC1 N 2
Halal Food Issues
Secretariat: TSE (Turkish Standards Institution)
Document Type:
Draft
Document Subtype:
Committee draft
Title:
complete title
Date of document:
20-12-2016
Keywords:
keywords
Source:
source
Pages:
pages
Expected action:
INFO
Email of secretary:
[email protected]
Committee URL:
http://is.smiic.org/administrative/committee/view/1
note
Note:
N2
VERĠ MADENCĠLĠĞĠ YÖNTEMLERĠ ĠLE GSM MÜġTERĠ
MEMNUNĠYET ANALĠZĠ
Metin ZONTUL
Ġstanbul Aydın Üniversitesi, Mühendislik Fakültesi, Yazılım Mühendisliği Bölümü
[email protected]
Zeynep YURTTAġ ELABĠAD
Ġstanbul GeliĢim Üniversitesi, Meslek Yüksekokulu, Bilgisayar Tek. Bölümü
[email protected]
ÖZET
Gün geçtikçe mobil telefon kullanımı artmaktadır. Dolayısıyla, GSM Ģirketleri arasındaki
rekabet artmakta olup bu Ģirketler yeni kampanyalarla rakip Ģirketlerin müĢterilerini kazanmaya
çalıĢmaktadır. Mobil telefon numaralarının taĢınabilmesine izin verilmesiyle birlikte pek çok
müĢteri, numarasını diğer GSM operatörüne taĢımaktadır. Bu sebeple, müĢterilerin hangi Ģartlar
altında numarasını taĢıdığını tespit etmek önem arz etmektedir. Bu çalıĢmada, müĢterilerin hangi
Ģartlar altında numara değiĢtirdiğini tespit etmek amacıyla web tabanlı bir online anket
kullanılmıĢtır. Bu anket üzerinden elde edilen veriler üzerinde, veri madenciliği algoritmalardan
j48 karar ağacı algoritması ve apriori birliktelik kuralı algoritması WEKA yazılımı kullanılarak
uygulanmıĢtır. Yapılan çalıĢmadaki sonuçlara göre, faturalı hatta sahip kullanıcılar, memnuniyet
konusunda, faturasız hat sahiplerine göre daha hassas durumda oldukları, memnuniyetsiz olma
durumunda, kullanılan GSM hattını baĢka bir operatöre taĢıma isteklerinin daha fazla olduğu
görülmüĢtür. Ayrıca, memnun olmama durumunda daha önce numarasını taĢımıĢ kullanıcıların
numarasını hiç taĢımamıĢ olan kullanıcılara oranla numara taĢıma ihtimali daha fazla olduğu
belirlenmiĢtir. Yani daha önce hat taĢıma iĢlemi yapan kullanıcılar, GSM firmaları için risk grubu
olarak görülmektedir. GSM firmalarının müĢteri kaybı yaĢamamaları için, yöneticilerin müĢteri
sadakatini artırıcı önlemler almaları yerinde olacaktır. Web tabanlı anket sistemini veri
1
madenciliği ile birlikte kullanılarak, GSM dıĢındaki sağlık, turizm ve eğitim gibi sektörlerde de
müĢteri sadakati ve kaybı analizi yapmak mümkündür.
Anahtar Kelimeler: Veri Madenciliği, J48, Apriori, WEKA, GSM, MüĢteri Memnuniyet
Analizi
GSM CUSTOMER SATISFACTION ANALYSIS
BY USING DATA MINING METHODS
SUMMARY
The usage of mobile phones is increasing over the years. Therefore, while the competition among
GSM companies is rising, these companies try to acquire the customers of each other’s by new
campaigns. Since mobile number portability is allowed, many mobile telephone users change
from one GSM operator to another. Thus, it is important to determine why GSM customers
transfer their mobile numbers to another operator. In this study, statistically reliable an online
survey is used for this purpose. On this survey data, j48 decision tree algorithm and apriori
association rule algorithm are applied by WEKA software. According to the study results, it is
observed that the postpaid GSM users are more willing to transfer their numbers than the prepaid
GSM users in case of dissatisfaction. Moreover, it is determined that the probability of number
transferring of the users who have transferred their numbers once is higher than that of the users
who have never transferred. So, the users who have transferred their numbers once are in risky
group for GSM companies. In order to prevent GSM companies from losing their customers, the
managers have to take the necessary precautions to increase customer’s loyalty. It is also possible
to analyze the customer satisfaction and loss in other sectors such as health, tourism and
education rather than GSM by using data mining on online survey data.
Keywords: Data Mining, J48, Apriori, WEKA, GSM, Customer Satisfaction Analysis
GĠRĠġ
Zaman ilerledikçe teknolojik açıdan birçok alanda ilerlemeler sağlanmıĢtır. Teknolojinin
geliĢmesi beraberinde gereksiz verilerin çoğalmasına neden olmakla birlikte, bu verilerin
tutulduğu veri tabanlarını birer veri çöplüğü haline getirmektedir. Bu gereksiz veriler veri
2
tabanlarında ciddi boyutlarda yer tutup, istenilen verilere eriĢmekte zorluk çekilmesine neden
olmaktadır.
Veri tabanlarındaki artıĢ, insanları çözüm bulmaya ve iĢe yarar bilgiyi ortaya çıkarmaya
yöneltmiĢtir. Bu arayıĢ Veri Tabanlarında Bilgi KeĢif Süreci olarak adlandırılmaktadır. Bu süreç
içerisinde bilgiyi edinmek için veri madenciliğinden yararlanılmaktadır.
Literatürde veri madenciliği alanında son yıllarda giderek artan çalıĢmalarla doğru orantılı olarak
müĢteri iliĢkileri yönetiminde de veri madenciliği sıklıkla kullanılmaktadır.
MüĢteri memnuniyetine etki eden faktörleri veri madenciliği algoritmaları ile değerlendirme
konulu yayında, 301 kiĢiden alınan memnuniyet veya memnuniyetsizlik tabanlı bilgileri karar
ağacı algoritması olan C5.0 algoritması ve kümeleme analizi algoritması olan K-means ile
iĢlenmiĢtir (Çınar ve Silahtaroğlu, 2012).
Veri madenciliği teknikleriyle bir kozmetik markanın ayrılan müĢteri analizi ve müĢteri
bölümlemesini konu alan bir makalede, WEKA programı kullanılarak Naive Bayes, Lojistik
Regresyon, ID3, J.48, JRIP, PART, Yapay Sinir Ağları algoritmaları müĢteri verilerine
uygulanmıĢtır. Bu çalıĢma için ayrılan müĢteri analizine en uygun algoritmanın J.48 olduğu
saptanmıĢtır (Aydoğan, Gencer ve Akbulut, 2008).
Türkiye’de telekomünikasyon alanında olan büyük bir firmanın ayrılma ihtimali olan
müĢterilerinin profili belirlenerek pazarlama stratejileri geliĢtirmek ve kaybı önlemek amacıyla
veri madenciliği algoritmalarından yararlanılmıĢtır. Karar ağaçları ve Lojistik Regresyon Analizi
kullanılmıĢtır (Gürsoy, 2010).
Pekko Vehviläinen, Kimmo Hätönen ve Pekka Kumpulainen’in, 2003 yılında, dijital mobil
telekomünikasyon ağ kalitesi analizinde veri madenciliği baĢlıklı yayınlanan makalesinde,
sınıflama içerisinde kullanılan karar ağaçlarının temelini oluĢturan CART algoritması ve
kümeleme algoritması olan SOM kullanılmıĢtır. Veri madenciliği algoritmalarının bu çalıĢma
içerisinde sorunsuz bir Ģekilde analiz edildiği belirtilmiĢtir (Vehviläinen, Hätönen ve
Kumpulainen, 2003).
Bu çalıĢmada, GSM alanındaki iĢletmelerin müĢteri memnuniyet analizi için güvenilir kaynaklı
bir web tabanlı anket yardımıyla kiĢinin kendisinden edinilen veriler üzerinde veri madenciliği
3
algoritmalarından j48 karar ağacı algoritması ve apriori birliktelik kuralı algoritması WEKA
yazılımı kullanılarak uygulanmıĢtır. Bu çalıĢma, müĢteri kayıplarını önleme ve müĢteri sadakatini
arttırmak açısından GSM firma yöneticilerinin karar alma süreçleri için faydalı sonuçlar
verebilmektedir.
MÜġTERĠ ĠLĠġKĠLERĠ YÖNETĠMĠNDE VERĠ MADENCĠLĠĞĠ
Günümüzde birçok farklı alan sektörleri gerek artan rekabet, gerekse müĢteri iliĢkileri yönetimini
sağlayabilmek için verilerini düzenli olarak veri tabanlarında tutmaya baĢlamıĢtır. Bu veri
tabanlarındaki veriler arasında bulunan iliĢkiler, örüntüler, değiĢiklikler, sapma ve eğilimler,
belirli yapılar gibi ilginç bilgilerin keĢif süreci veri madenciliği olarak adlandırılmaktadır. Veri
madenciliğinde kullanılan yöntem ve araçlar, çok kısa zamanlarda iĢin niteliğine yönelik stratejik
soruları cevaplamada yardımcı olurlar. Ham veride gizli kalmıĢ olan örüntüleri ve iliĢkileri
tahmini bilgilere dönüĢtürebilirler (Yan vd., 2001).
ĠĢletme sayısı arttıkça firmaların müĢteri ile iliĢkileri çok önemli bir durum haline gelmiĢtir.
MüĢteri memnuniyetinin ve müĢteri sadakatinin sağlanabilmesi için artan rekabet piyasasında
müĢteriyi elde tutmak, firma menfaati açısından gerekebilmektedir.
Churchill ve Suprenant (1982), müĢteri memnuniyetini, alıcının satın aldığı üründen beklediği
performansa karĢılık elde ettiği sonuç ile katlandığı maliyeti değerlendirmesinin bir sonucu
olduğunu belirtmiĢtir.
Firmalar müĢteri memnuniyetine sadece yeni müĢterileri kazanmak için değil, var olan
müĢterilerinin kaybını engellemek için de müĢteri sadakatini kazanmaları açısından gerekli önemi
göstermelidir. Firma sayısının artması, firma farkındalıklarının ortaya çıkarılması, daha kaliteli ve
daha ekonomik baĢka bir opsiyonun ortaya çıkması müĢteri kaybedilmesini kolaylaĢtırabilen
unsurlardır. Eğer bir müĢteri, ilgili firmayla üyelik anlaĢmasını sonlandırırsa ve baĢka bir rakip
firmanın müĢterisi haline gelirse bu müĢteri kaybedilmiĢ müĢteridir (Richeldi ve Perrucci, 2002).
Firmalar, hangi müĢteri türlerinin kaybedilme riski olduğunu daha önceki verileri analiz ederek
çıkarım yapabilmektedir. Firmalar, kaybedebilme riski olan müĢterileri veri madenciliği yoluyla
tanımlayıp, geri kazanma yollarını bu çıkarımlara göre belirleyebilmektedir. MüĢteri kaybı,
4
kaybın çok kolay gerçekleĢtiği firmalar için önemli bir problemdir. Örnek olarak bankalar,
sigorta Ģirketleri ve telekomünikasyon firmaları verilebilir (Yan vd., 2001). Kim ve arkadaĢları
(2006) Kore’de Network hizmetleri ile ilgili çalıĢmalarında müĢteri memnuniyetinin müĢteri
sadakatini pozitif olarak etkilediğini belirtmiĢlerdir. Venkatesh ve arkadaĢları (2002) internet
pazarlaması ile ilgili çalıĢmalarında müĢterilerin sadakati ile memnuniyetleri arasında karĢılıklı
bir etkileĢimin olduğunu saptamıĢlardır. Türkiye’de GSM sektöründe yapılan bir çalıĢmada da
müĢteri memnuniyeti ile müĢteri sadakati arasında güçlü bir iliĢkinin varlığı belirlenmiĢtir
(Arasıl, 2004).
GSM MÜġTERĠ MEMNUNĠYET ANALĠZĠ
Anketin amacı, farklı yaĢ ve cinsiyetlerdeki insanların GSM alıĢkanlıklarının yanı sıra müĢteri
memnuniyetini sağlayan veya sağlayamayan unsurları belirlemektir. Anket sonucunda elde edilen
veriler, veri madenciliği amacıyla günümüzde yaygın olarak kullanılmakta olan WEKA programı
ve algoritmaları ile analiz edilerek müĢteri kaybının nelere bağlı olduğu ve nelerle iliĢkili olduğu
saptanmıĢtır.
Anket online ortamda hazırlanarak kiĢilerin istediği zaman aralığında kendilerini herhangi bir
zorunda olma duygusu hissettirilmeden ankete tutarlı cevap vermelerini sağlamaktadır.
Kullanılan anket sisteminde kiĢilerin aynı IP’ den girilmesi engellenerek anket tutarlılığı
arttırılmıĢtır. Anket soruları çoktan seçmeli, açık uçlu ve
likert ölçek tipli sorulardan
oluĢmaktadır. Uygulanan anket 21 adet sorudan oluĢmakta ve GSM hat memnuniyetine göre soru
yönlendirmesi olup kiĢilerden 20 adet soruya internet üzerinden cevap verilmeleri istenmektedir.
Anket verileri Ocak 2013- Haziran 2013 tarihlerinde toplanması 6 ay sürüp, gereksiz veriler
temizlendikten sonra 615 kiĢinin verisi istatistiğe alınmıĢtır. Eksiksiz cevap vermiĢ 613
katılımcının verileri bu analizde kullanılmıĢtır. Anketin hedef kitlesi olarak üniversite öğrencileri
ve genel olarak öğrenci çevresinde bulunan aile, arkadaĢ grubu alınmıĢtır. Anket sorularının
içerisinde kimlik bilgilerini taĢıyan sorular sorulmamıĢtır. Ankette, demografik sorular dıĢında
likert tipi ölçekle ölçülmüĢ 3 madde yer almaktadır. Güvenilirlik analizinin uygulanması için
yeterli sayıda madde bulunmadığından güvenilirlik analizi yapılmamıĢtır. Çünkü güvenilirlik
analizi çok sayıda maddenin tek bir konuyu ölçme yeteneğini göstermektedir. 3 maddeye
uygulanacak güvenilirlik analizi sonucu tesadüfilikten kaynaklanması muhtemeldir. Bu nedenle
literatürde en az 20 maddede likert ölçeğinin kullanıldığı anketlere güvenilirlik analizi
5
yapılabileceği söylenmektedir (KALAYCI, 2010). Anket soruları istatistik konusunda uzman
GÜLPINAR ve ALTAġ’ın (2013) çalıĢmasından faydalanarak oluĢturulmuĢtur. Böylece, anket
hazırlamada ortaya çıkabilecek hatalardan kaçınılmıĢ ve güvenli bir yol izlenmiĢtir. Anket
sorularına “https://tr.surveymonkey.com/s/N78LLFC” adresinden eriĢim sağlanabilir.
Anketin orijinalinde bulunan 13, 14, 15, 19 ve 20 numaralı sorular WEKA ile analizleri zor
olduğu için değerlendirme dıĢı bırakılmıĢtır. Sonuç olarak, 23 öznitelikten oluĢan ve 615 online
anket katılımcısından 613 tutarlı olarak edinilen veriler, veri madenciliği programı olan WEKA
ile analiz edilmiĢtir. Analiz sırasında karar ağacı algoritması olan j48 ve birliktelik kuralları
çıkarımı için apriori algoritması kullanılmıĢtır. Anket daha fazla kiĢi üzerinde yapılması
durumunda modelden daha kesin sonuçlar elde edilebilir. Bu algoritmalarda kullanılan
niteliklerin istatistiği ekte Tablo A.1’de verilmiĢtir.
Karar Ağacının OluĢturulması
Web tabanlı anket sistemiyle elde edilen ve excel dosyasında tutulan veriler, veri madenciliği ile
analiz edilmeden önce eksik ve hatalı verilerden temizlenmiĢtir. Özellikle anket soruları
içerisinde yer alan GSM türüne göre paket isimleri sorusu açısından paketlerin sürekli
güncellenmesi, çok sayıda paket olması, aynı anda farklı paketlere sahip olabilmeleri ve GSM hat
sahiplerinin kullandıkları paket isimlerini bilmemeleri ya da eksik bilmelerinden dolayı WEKA
programı ile uygulama esnasında GSM paket türü verileri anketin tutarlılığını korumak açısından
çıkarılmıĢtır. Temizlenen veriler .csv uzantısına çevrilerek WEKA programının anlayacağı hale
getirilmiĢtir.
J48 algoritmasının sınıflayıcı panelinde bulunan karar ağacı,
görsel bir Ģekilde de
gösterilebilmektedir. Görsel bir Ģekilde gösterim, daha anlaĢılır ve açıklayıcıdır. AĢağıda bulunan
ġekil 1’de görsel karar ağacı görülmektedir. ġekil 1’de ilk dallanma anket katılımcılarının GSM
hatlarından memnuniyet durumunu göstermektedir. Ġkinci dallanmadan itibaren GSM hatlarından
memnun olmayanların durumunu göstermektedir. Ġkinci dallanma da memnun olmayan GSM hat
kullanıcıların daha önceden numara taĢıma iĢlemi gerçekleĢtirip gerçekleĢtirmediği durumunu;
üçüncü dallanmada GSM hatlarına sahip olma sürelerini; dördüncü dallanmada ise operatör
türünü ve abonelik türünü göstermektedir.
6
Ġlk dallanmada GSM hat sahibi 613 kiĢinin 510’u GSM hattından memnun olduğu, bunların
sadece 23’ünün taĢıma istediğini, geriye kalan 487 kiĢinin taĢıma istemediği görülmektedir.
Ġkinci dallanmada GSM hatlarından memnun olmayanların daha önceden numara taĢıma durumu
gözükmektedir. Daha önceden numara taĢıma iĢlemi yapmıĢ ve hatlarından memnun olmayan 40
kiĢinin 5’i numarasını taĢımak istemediğini, geriye kalan 35 kiĢinin numarasını taĢımak istediği
görülmektedir.
Üçüncü dallanmada GSM hattından memnun olmayan ve daha önceden numara taĢıma iĢlemi
yapmamıĢ kiĢilerin hatlarına sahip olma süreleri gözükmektedir. GSM hatlarına 1 yıldan daha az
sürede sahip kiĢiler, abonelik türüne göre yapraklara ayrılmıĢtır. Faturalı ve 1 yıldan daha az
sürede GSM hattına sahip olan kiĢiler memnun olmasalar da taĢıma iĢlemi yapmak istedikleri
gözükmektedir. Fakat faturasız GSM hat kullanıcıları numara taĢıma iĢlemi yapmak istemedikleri
gözükmektedir. Memnun olmayan ve daha önceden numara taĢıma iĢlemi yapmamıĢ,1-3 yıl
arasında GSM hatlarına sahip kiĢiler, numara taĢıma iĢlemi yapmak istedikleri 24/4 oranda
belirtilmiĢtir. Yani aynı GSM hattına 1-3 yıl arasında sahip olan 24 kiĢinin 4’ü hariç geriye kalan
20 kiĢi numara taĢıma iĢlemi yapmak istemediği görülmektedir. 3-5 yıl arasında GSM hattına
sahip, memnun olmayan ve daha önceden numara taĢıma iĢlemi yapmamıĢ kiĢilerden Turkcell ve
Avea hat kullanıcıları numara taĢıma iĢlemi istediğini, Vodafone kullanıcıları ise taĢımak
istemediğini belirtmiĢtir.
6 yıldan fazla Turkcell GSM hattına sahip kiĢiler, numara taĢıma iĢlemi yapmak istemedikleri,
fakat 6 yıldan fazla Vodafone ve Avea kullanıcılarının numara taĢıma iĢlemi yapmak istedikleri
gözükmektedir.
Sonuç olarak; GSM hat kullanıcıları memnuniyet durumunda müĢteri sadakati gösterdiği
görülmektedir. Memnun olmama durumunda ise faturalı GSM hattına sahip kiĢiler, faturasız hat
sahiplerine göre numara taĢıma iĢlem eğilimi daha fazla olduğu görülmektedir. Daha önceden
numara taĢıma iĢlemi yapmıĢ kiĢiler, daha önceden numara taĢıma iĢlemi yapmamıĢ kiĢilere
nazaran GSM numara taĢıma iĢlemi eğilimi daha fazladır. Memnun olmayan ve numara taĢıma
iĢlemi yapmamıĢ kiĢiler kendi aralarında alıĢkanlık, çevresel faktörler vb. gibi durumlardan
dolayı numara taĢıma iĢlemi isteği farklılık gösterse de, numarasını daha önceden taĢımıĢ kiĢiler,
memnuniyetsizlik durumunda GSM hatlarını net bir Ģekilde taĢıma isteğini belirtmiĢtir.
7
8
Şekil 1. J48 Algoritması Görsel Karar Ağacı
Apriori Algoritmasının Uygulanması
Apriori
algoritmasının
uygulanması
aĢamasında
öznitelik
sayısı,
hangi
özniteliklerin
kullanılacağı, minimum güven ve minimum destek oranı, kaç adet öğe setinin inceleneceği
ihtiyaca göre seçilebilmektedir. Bu apriori uygulamasında karar ağacı uygulanan aynı veri ve
özniteliklere, apriori birliktelik
kuralı
algoritması
uygulanmıĢtır.
Apriori
Algoritması
uygulamasının sonucunda çıkan bazı birliktelik kuralları ve istatistiksel değerlerine ait güven
oranı çoktan aza doğru olacak Ģekilde aĢağıda Tablo 1’de sıralanmıĢtır. Bu kurallar çok ilginç
sonuçlar vermektedir.
GSM hattından memnun 510 kullanıcından 487’si, 0.95 güven oranı ile hattını taĢımak istemediği
yani müĢteri memnuniyeti ile müĢteri sadakati doğru orantılı olduğu anlaĢılmaktadır (Kural 1).
6 yıldan fazla GSM hattına sahip ve daha önce numarasını taĢımamıĢ olan 171 müĢterinin 161’i,
0.94 güven oranı ile hattını baĢka bir GSM operatörüne taĢımak istemediği görülmüĢtür (Kural
2).
GSM hattını baĢka operatöre taĢımak istemeyen 207 faturalı hat kullanıcının 199’u, 0.96 güven
oranı ile hattından memnunken (Kural 3), baĢka operatöre hattını taĢımak istemeyen 306 faturasız
kullanıcının 288’i 0.94 güven oranı ile GSM hattından memnun olduğu görülmüĢtür (Kural 4).
Turkcell GSM hat müĢterisi olan 352 kiĢiden 287’si, 0.82 güven oranı ile aynı anda GSM
hattından memnun olduğu gözükmekte ve numarasını baĢka operatöre taĢımak istemediği
görülmüĢtür (Kural 9).
Avea GSM hat müĢterisi olan 131 kiĢiden 103’ü, 0.79 güven oranı ile aynı anda GSM hattından
memnun olduğu gözükmekte ve numarasını baĢka bir GSM operatörüne taĢımak istemediği
görülmüĢtür (Kural 10).
Vodafone GSM hat müĢterisi olan 130 kiĢiden 97’si, 0.75 güven oranı ile aynı anda kullandığı
hattından memnun olduğu gözükmekte ve numarasını baĢka operatöre taĢımak istemediği
görülmüĢtür (Kural 11).
9
Hattını baĢka operatöre taĢımak istemeyen faturasız GSM hat kullanıcısı olan 306 kiĢinin
220’sinin 0.72 güven oranı ile daha önceden numarasını taĢıma iĢlemi yapmadığı görülmüĢtür
(Kural 12).
Tablo 1. Apriori Algoritması Kuralları ve Güven Oranları
No Kural
aboneliktur=Faturali tasimaister=Hayir 207
1
==> memnuniyet=Evet 199
memnuniyet=Evet 510
2
==> tasimaister=Hayir 487
sure=6 yildan fazla notasima=Hayir 171
3
==> tasimaister=Hayir 161
aboneliktur=Faturasiz tasimaister=Hayir 306
4
==> memnuniyet=Evet 288
notasima=Evet memnuniyet=Evet 174
5
==> tasimaister=Hayir 160
sure=6
yildan fazla operator=Turkcell 137
6
==> notasima=Hayir 124
operator=Turkcell
352
7
==> memnuniyet=Evet 299
aboneliktur=Faturasiz 362
8
==> tasimaister=Hayir 306
operator=Turkcell 352
9
==> memnuniyet=Evet tasimaister=Hayir 287
10 operator=Avea 131
==> memnuniyet=Evet tasimaister=Hayir 103
11 operator=Vodafone 130
==> memnuniyet=Evet tasimaister=Hayir 97
12 aboneliktur=Faturasiz tasimaister=Hayir 306
==> notasima=Hayir 220
13 aboneliktur=Faturasiz 362
==> operator=Turkcell memnuniyet=Evet 202
14 tasimaister=Hayir 513
==> notasima=Evet memnuniyet=Evet 160
Güven Oranı (Confidence)
0.96
0.95
0.94
0.94
0.92
0.91
0.85
0.85
0.82
0.79
0.75
0.72
0.56
0.31
GSM hattını taĢıma iĢlemi yapmak istemeyen 513 kiĢiden 160’ı, daha önceden numara taĢıma
iĢlemi yapmıĢ olup hatlarından memnuniyetleri 0.31 düĢük güven oranı ile görülmüĢtür (Kural
14).
10
Apriori algoritmasının kuralları, öznitelikler baĢta olmak üzere destek ve güven ölçüt oranı
değiĢtirilerek 10000’lerce kural elde edilebilmektedir ya da istenilen oranlar dahilinde kural
sayısı kısıtlanabilmektedir.
Apriori Algoritması Güven Oranı Hesabı
WEKA programı sayesinde birliktelik kuralı algoritması olan Apriori algoritmasının
uygulanması sonucunda elde edilen Tablo 1’den örnek olarak seçilmiĢ ikinci kuralın ölçü
değerlerinin hesaplanması aĢağıdaki Ģekildedir:
 memnuniyet=Evet 510 ==> tasimaister=Hayir 487
<conf:(0.95)>
Toplam katılımcı sayısı 613 olan hat kullanıcısı bilgilerine göre, GSM hattından memnun
olan 510 hat sahibinin, 487’si numarasını baĢka bir GSM operatörüne taĢımak istememektedir.
Bu verilere göre;
Güven (Confidence) değeri;
Güven( X  Y ) 
sayı( X , Y )
sayı( X )
Conf: 487/510 = 0,954
Ģeklinde hesaplanmaktadır.
SONUÇ VE ÖNERĠLER
Bu çalıĢmada hazır veri yerine, 615 GSM hattı sahibinin online bir Ģekilde katıldığı anketten 21
sorudan memnuniyet durumuna göre yönlendirme yapılarak soruların 20’sine cevap verilmeleri
istenmiĢ ve
gerekli veriler veri madenciliği analizi için toplanmıĢtır. Sorular üzerinden 23
öznitelik belirlenmiĢ ve bu verilerin analizi için WEKA yazılımı üzerinde j48 karar ağacı
algoritması ve apriori birliktelik kuralı algoritması kullanılmıĢtır. Anket sonuçlara göre, faturalı
hat kullanıcıları, memnuniyet konusunda, faturasız hat kullanıcılarına göre daha hassas durumda
olup, memnuniyetsiz olma durumunda, kullanılan GSM hattını baĢka bir operatöre taĢıma eğilimi
daha fazla olduğu görülmektedir. GSM firmalarından Turkcell, en eski GSM firması olması
nedeniyle 6 yıldan fazla hat sahiplerinin memnun olmama durumunda bile numaralarını
11
taĢımadıkları için müĢteri kaybı açısından risk taĢımadıkları gözükmektedir. Anket verilerine
göre, daha önce numarasını taĢımıĢ kullanıcılar, memnun olmama durumunda numarasını
taĢımamıĢ olan kullanıcılara oranla, numara taĢıma ihtimali daha fazladır. Yani daha önce hat
taĢıma iĢlemi yapan kullanıcılar, bu çalıĢmada GSM firmaları için risk grubu olarak
görülebilmektedir. Bu çalıĢmada elde edilen bulgular, yöneticilerin karar alma süreçlerinde etkili
bir model olabilecektir. Böylece, GSM firmalarının müĢteri kaybı yaĢamamaları adına yöneticiler
müĢteri sadakatini artırıcı önlemler alabileceklerdir.
Web tabanlı anket sisteminin veri madenciliği yöntemleri ile birlikte kullanılması ile sadece GSM
sektöründe değil sağlık, turizm ve eğitim gibi diğer sektörlerde de müĢteri memnuniyet analizi
yapmak mümkündür. Böylece, firmaların müĢteri kayıplarını önlemesi veya yeni müĢteriler
kazanması mümkün olabilecektir.
12
EK
Tablo A.1 Nitelik Ġsimleri, Açıklamaları ve Ġstatistiksel Oranları
Öznitelikler
Cinsiyet
Yas
medeni
egitim
gelir
sure
aboneliktur
Seçenekler – Ġstatistiksel Oranı
Açıklama
*Erkek
(61,3%)
*Kadın
(38,7%)
*15-25
(73,0%)
*25-34
(21,1%)
*35-44
(3,7%)
*45-54
(1,6%)
*55 üstü (0,5%)
*Bekar
(89,3%)
*Evli
(9,1%)
*BoĢanmıĢ (0,8%)
*Dul
(0,8%)
*Ġlköğretim(0,8%)
*Lise
(5,4%)
*Önlisans (47,3%)
*Lisans (38,2%)
*Y.Lisans (6,5%)
*Doktora (1,8%)
*1000'in altı (52,1%)
*1.001-2.000 (26,5%)
*2.001-3.000 (11,2%)
*3.001-4.000 (4,7%)
*4.000'ün üstünde(5,4%)
*1 yıldan az (11,9%)
*1-3 yıl(24,7%)
*3-5 yıl (27,8%)
*6 yıl ve fazlası(35,6%)
*Faturasız (59,0%)
*Faturalı(41,0%)
Anketi cevaplayan kiĢinin
cinsiyeti sorulmaktadır
Anketi cevaplayan kiĢinin
yaĢ aralığı sorulmaktadır.
Anketi cevaplayan kiĢinin
medeni durumu sorulmaktadır.
Anketi cevaplayan kiĢinin
eğitim durumu sorulmaktadır.
Anketi cevaplayan kiĢinin gelir
aralığı sorulmaktadır.
Anketi cevaplayan kiĢinin kullandığı GSM
hattını ne zamandır kullandığı sorulmaktadır.
Anketi cevaplayan kiĢinin GSM
hattının abonelik türü sorulmaktadır.
Anketi cevaplayan kiĢinin GSM hattından önce
baĢka bir operatörden numara taĢıyıp taĢımadığı
sorulmaktadır.
notasima
*Evet (34,8%)
*Hayır (65,2%)
tutar
*1-25 tl aylik (35,7%)
*26-50 tl aylik(44,7%)
*51-100 tl aylik (14,8%)
*101 tl üstü(4,7%)
Anketi cevaplayan kiĢinin GSM hattı için aylık ne
kadar yükleme yaptığı sorulmaktadır.
dakika
*0-100 dakika(27,2%)
*101-300 dakika(22,8%)
*301-700 dakika(27,7%)
*701-1000 dakika(14,5%)
*1000 dakika ustu(7,7%)
Anketi cevaplayan kiĢinin GSM hattıyla
aylık kaç dakika görüĢme yaptığı sorulmaktadır.
sms
*0-30
sms(16,5%)
*31-150 sms(14,2%)
*150-500 sms(15,2%)
*501-1000 sms(16%)
*1001 sms ustu(38,1%)
Anketi cevaplayan kiĢinin GSM hattıyla
aylık kaç sms yolladığı sorulmaktadır.
operator
*Turkcell
(57,6%)
*Vodafone (21,1%)
*Avea
(21,3%)
Anketi cevaplayan kiĢinin GSM
operatörünün ismi sorulmaktadır.
13
internet
*Yok (5,5%)
*var ama kullanmıyorum(11,9%)
*var kullanıyorum(82,6%)
Anketi cevaplayan kiĢinin internet
kullanım durumu sorulmaktadır
goruntuluarama
*Yok(33,1%)
*var ama kullanmıyorum (27,4%)
*var kullanıyorum(39,6%)
Anketi cevaplayan kiĢinin görüntülü arama
kullanma durumu sorulmaktadır
GPS
*Yok(23,6%)
*var ama kullanmıyorum(19,7%)
*var kullanıyorum(56,7%)
Anketi cevaplayan kiĢinin GPS
kullanma durumu sorulmaktadır
Tvalici
*Yok(66,8%)
*var ama kullanmıyorum(16,4%)
*var kullanıyorum(16,7%)
Anketi cevaplayan kiĢinin Tv alıcı kullanma
durumu sorulmaktadır
Blutooth
*Yok(3,6%)
*var ama kullanmıyorum(9,8%)
*var kullanıyorum(86,6%)
Anketi cevaplayan kiĢinin Blutooth kullanma
durumu sorulmaktadır
Oyun
*Yok(4,7%)
*var ama kullanmıyorum(17,6%)
*var kullanıyorum(77,7%)
Anketi cevaplayan kiĢinin internet
kullanma durumu sorulmaktadır
memnuniyet
*Evet (83,3%)
*Hayır (16,7%)
Anketi cevaplayan kiĢinin GSM hattından
memnuniyet durumu sorulmaktadır.
tasimaister
*Evet (16,3%)
*Hayır (83,7%)
Anketi cevaplayan kiĢinin GSM hattını baĢka bir
operatöre ya da baĢka bir numaraya taĢıyıp
taĢımama isteği sorulmaktadır.
Tavsiyeediyorum
Gelecekte devametmek
istiyorum
Sadakatimelayiktir
*Kesinlikle katılmıyorum(9,6%)
*Katılmıyorum(8,0%)
*fikrim yok(25,2%)
*Katılıyorum(34,6%)
*Kesinlikle Katılıyorum(22,6%)
*Kesinlikle katılmıyorum(9,9%)
*Katılmıyorum(8,3%)
*fikrim yok(23,5%)
*Katılıyorum(33,1%)
*Kesinlikle Katılıyorum(25,2%)
*Kesinlikle katılmıyorum(12,4%)
*Katılmıyorum (10,3%)
*fikrim yok(30,8%)
*Katılıyorum(26,9%)
*Kesinlikle Katılıyorum(19,6%)
Anketi cevaplayan kiĢinin kullandığı GSM hattını
tavsiye etme durumu sorulmaktadır.
Anketi cevaplayan kiĢinin kullandığı GSM
hattıyla gelecekte devam etme isteği
sorulmaktadır.
Anketi cevaplayan kiĢinin kullandığı GSM hattı
kullanıcının sadakatine layık olup olmama
durumu sorulmaktadır.
14
KAYNAKÇA
AYDOĞAN, K.E., GENCER, C., AKBULUT, S., (2008), “Veri Madenciliği Teknikleri Ġle Bir
Kozmetik Markanın Ayrılan MüĢteri Analizi ve MüĢteri Bölümlenmesi”, Sigma
Mühendislik ve Fen Bilimleri Dergisi, 26(1), 42-56.
ARASIL Ö.,KARAÇUHA E.,AYDIN S.,ÖZER G.,(2004), Türk Gsm Sektöründe MüĢteri
Sadakati, Memnuniyeti, Güven DeğiĢtirme Maliyeti Arasındaki Dinamik ĠliĢkiler: Yapısal
Denklem Modelleme Tekniği, Ġktisat, ĠĢletme ve Finans Dergisi, cilt:19, sayı:219, s. 4661.
CHURCHĠLL, G. A.. Jr.,SURPRENANT, C. (1982). An investigation into the determinants of
customer satisfaction. Journal of Marketing Research. 19, 491-504.
ÇINAR, A., SĠLAHTAROĞLU G., (2012), Veri Madenciliği Teknikleri ile MüĢteri
Memnuniyetine Etki Eden Gizli Nedenlerin KeĢfi, Marmara Üniversitesi Ġ.Ġ.B. Dergisi,
cilt: XXXIII, sayı: II, S. 309-330.
GÜLPINAR, Vildan, ALTAġ, Dilek, (2013), Customer Churn Analysis through Artificial Neural
Networks in Turkish Telecommunications Market
International Journal of Economic
Perspectives.
GÜRSOY, U.T., (2010), Customer churn analysis in telecommunication sector, Ġstanbul
Üniversitesi ĠĢletme Fakültesi Dergisi, Cilt/Vol:39, Sayı/No:1, 2010, 35-49.
KALAYCI, ġ., (2010), SPSS Uygulamalı Çok DeğiĢkenli Ġstatistik Teknikleri, Asil Yayın,
Ankara
KUMPULAĠNEN, Pekka , HÄTÖNEN, Kimmo , VEHVĠLÄĠNEN Pekko (2003),
XVII IMEKO World Congress Metrology in the 3rd Millennium, Dubrovnik, Croatia
RĠCHELDĠ, M. and Perrucci , (2002), A Churn Analysis Case Study, Telecom Italia Lab.
Torino. 3-6.
SĠLAHTAROĞLU, Gökhan,(2008), Kavram ve Algoritmalarıyla Temel Veri Madenciliği,
Ġstanbul, Papatya Yayıncılık.
YAN, L., MILLER, J., MOZER, M., WOLNIEWICZ, R.,(2001), Improving Prediction of
Customer Behaviour in Nonstationary Environments.
15
Powered by TCPDF (www.tcpdf.org)