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.