Otel işletmelerinde müşteri yaşam boyu değeri tahmini ve yönetimi: Web tabanlı bir uygulama ile entegre yaklaşım

Bu tez çalışması, otel sektöründe müşteri davranışlarını analiz etmek amacıyla müşteri yaşam boyu değeri (CLV) ve RFM (Recency-Yenilik, Frequency-Sıklık, Monotery-Parasal Değer) modelini bir araya getiren yenilikçi bir yaklaşım sunmaktadır. Çalışmada makine öğrenmesi (ML) tekniklerini kullanarak CLV'yi davranışsal ve finansal verilerle tahmin edip açıklanabilir çözümler üretilmektedir. Böylece, rezervasyon verileri ve otel içi ekstra harcamaların entegre edilmesiyle müşteri segmentasyonu gerçekleştirilmiş ve bu segmentlere dayalı stratejik öneriler geliştirilmiştir. CLV tahminleri için XGBoost, LightGBM ve CatBoost ML algoritmaları kullanılarak karşılaştırmalı sonuçlar sunulmuşur. Model açıklanabilirliği için SHAP (Shapley Additive Explanations) analizi kullanılmıştır. Denetimsiz (RFM kümeleri için) segmentasyon teknikleri kullanılmıştır. Çalışmada CatBoost (0,93) en iyi tahmin modeli olarak öne çıkmıştır. Modele en çok katkıyı yapan özellikler ise SHAP analizi sonucunda Yenilik ve Parasal Değer gibi değişkenler olmuştur. Analizlerin görselleştirilmesi için Python Plotly ile interaktif bir görselleştirme altyapısı oluşturulmuş ve oluşturulan aplikasyon web ortamında gerçeğe alınmıştır. Araştırmanın bulguları, yüksek değerli müşterilerin tespit edilmesi, yeni müşterilerin sadık müşterilere dönüştürülmesi ve otel içi harcamaların artırılması konularında yönetim kararlarına önemli katkılar sunmaktadır. Özellikle, Lead Time (Satın alma ve rezervasyon varış tarihi arasındaki süre), Length of Stay (konaklama süresi) ve Season (mevsim) gibi değişkenlerin müşteri davranışlarına etkisi incelenmiş ve segmentlere özgü stratejiler önerilmiştir. Ayrıca, çalışmada geliştirilen web tabanlı uygulama, otel yöneticilerine gerçek zamanlı analiz yapma ve veriye dayalı karar alma olanağı sağlayarak sektörel yeniliklere katkıda bulunmaktadır. Bu çalışmanın sonuçları hem teorik hem de uygulamalı alanlarda önemli katkılar sağlamış olup, otelcilik sektöründe müşteri analizi ve gelir yönetimi süreçlerinde yeni bir bakış açısı sunmaktadır. Gelecekteki araştırmalarda daha geniş örneklem grupları, farklı bağlamlar ve yenilikçi teknolojilerin turizm araştırmalarına entegre edilmesi önerilmektedir.