Improved churn prediction by more effective use of customer data: The case of private banking customers

Yeni müşteri edinmenin mevcut müşterileri elde tutmaya kıyasla daha pahalıya mal olduğu ışığında, müşteriyi elde tutma günümüzün rekabetçi ortamında daha baskın bir unsurdur. Bu durum, özellikle hizmet sektöründe faaliyet gösteren firmalar için ön plana çıkmaktadır. Bunun neticesi olarak, bağlılığı azalan ve terk etmeye meyilli müşterileri tayin etmeye yönelik sınıflandırma modelleri müşteri ilişkileri yönetimi yazınında artan bir öneme sahiptirler.Bu tezde, biz sözleşme dışı koşullardaki müşteri kayıp tahmin problemi üzerinde odaklanacağız. Müşteri kaybı modelleri, genellikle belirli bir zaman dilimine ait kesitsel veride geliştirilip bu zamanı müteakip gelecek zaman dilimlerinde tahmin amacıyla kullanılmaktadırlar. Söz konusu durum, kayıp müşteri sayısının yeterli olduğu statik koşullarda uygundur, ancak müşterinin hizmet aldığı firmayı terk etmesi bir süreçtir ve müşteri davranışı çevredeki değişikliklerden etkilenmektedir. Biz, her bir müşteri için farklı zaman dilimlerine ait birden fazla sayıda gözlemin kullanıldığı boylamsal veri seti üzerinde yapılan `gelecek-dönem müşteri kaybı' modellemesinin, sentetik üst örneklemenin uygulandığı ve uygulanmadığı geleneksel kesitsel veri kullanımına kıyasla tahmin performansını artıracağını ve yöneticilerin ilave çıkarımlarda bulunmasına imkan sağlayacağını göstereceğiz. Ayrıca, müşterilerin her zaman anlık kararlar doğrultusunda terk etmediği düşüncesi altında, müşteri kaybını muhtelif zaman dilimleri öncesinden tahmin eden birden çok model önereceğiz ve bu modellerden elde edilen tahminleri, tanıtacağımız bir topluluk yönteminde kullanarak `gelecek dönem müşteri kaybı' tahminini geliştireceğiz. Bu yaklaşımlar, firmaya müşterilerin terk etme eğilimlerine ilişkin erken uyarı sistemi sağlamakta, örneklem dışı `gelecek dönem müşteri kaybı' tahmin performansını iyileştirmekte ve elde edilen birden çok sayıdaki kayıp eğilim skorlarının `gelecek dönem kayıp' tahmini ile tutarlı olmasını sağlamaktadır. Modellerimizi, oldukça dinamik olan bankacılık sektöründen elde ettiğimiz veri üzerinde değerlendireceğiz.