Otel işletmelerinde kayıp müşteri tahminlemesi

Otel işletmelerinin rakipleri arasından sıyrılarak faaliyetlerini karlı bir şekilde sürdürebilmesi, müşterileriyle uzun süreli ve kalıcı ilişkiler kurarak müşterilerini elde tutabilmesine bağlıdır. Bu bağlamda hangi müşterilerin otel işletmesiyle ilişkilerini sürdürüp hangilerinin terk edeceğine yönelik doğru bir tahminleme, başka bir deyişle kayıp müşteri tahminlemesi (customer churn prediction), daha hızlı ve etkili elde tutma faaliyetlerinin uygulanmasında yol gösterici olacaktır. Gerçekleştirilen bu çalışmanın öncelikli amacı, bir otel işletmesinin müşteri veri tabanına makine öğrenimi metodları uygulayarak işletmenin gelecek dönemdeki kayıp müşterilerini tahminlemek ve bu müşterileri elde tutmaya yönelik öneriler geliştirmektir. Bu bağlamda Antalya, Belek bölgesinde faaliyet gösteren ve bünyesinde beş yıldızlı üç resort otel bulunan bir zincir otel işletmesinin devamlı müşterilerilerine ait veriler kullanılarak kayıp müşteri tahminlemesi uygulanmış ve Lojistik Regresyon ile Rastgele Orman algoritmaları kıyaslanmıştır. Çalışmanın bulgularına göre Rastgele Orman algortiması daha yüksek performans göstermekte ve gelecek üç yıl içerisinde ayrılma ihtimali olan devamlı müşterileri %80 oranında (AUC 0,80) doğru tahminleyebilmektedir. Ayrıca çalışmada Rastgele Orman algoritması tarafından RFM (güncellik, sıklık, tutar) temelli geleneksel değişkenler daha önemli bulunurken (önem sırasıyla güncellik, satın alımlar arasında geçen zamanların ortalaması, son üç yıldaki toplam geceleme sayısı, ilişki süresi, son üç yıldaki ortalama harcama tutarındaki değişim ve toplam geliş sayısı), Lojistik Regresyon metodu tarafından önerilen en önemli değişkenler daha çok otel işletmelerine yönelik değişkenler olarak ortaya çıkmıştır (önem sırasıyla zincir otel işletmesinin diğer otellerinde de konaklamış olmak, toplam geliş sayısı, çocuklu konaklamak, çift olarak konaklamak ve Türkiye vatandaşı olmak). Son olarak elde edilen Rastgele Orman modeli aracılığıyla müşterilerin bir sonraki dönemdeki ayrılma olasılıkları hesaplanmıştır. Müşterilerin ayrılma olasılıkları ve potansiyel kazanç getirileri göz önünde bulundurularak bir öncelik matrisi oluşturulmuş; "kararsızlar", "tutumlular", "alternatif arayanlar" ve "fırsatçılar" olarak adlandırılan müşteri bölümleri için önerilere yer verilmiştir.