Müşteri yaşam boyu değerinin yapay zeka algoritmaları ile modellenmesi

Abstract

İşletmeler için rekabet üstünlüğü, birçok faktörün yanı sıra, işletmenin faaliyet gösterdiği pazardaki müşterilerin satın alma faaliyetlerine de bağlıdır. Bu nedenle, müşteri merkezli yaklaşımın benimsenmeye ve uygulanmaya başlandığı günümüzde, müşterilerin daha yakından tanınması önem kazanmaya başlamıştır. Müşterileri yakından tanımak için önerilen çeşitli yöntemlerden biri de müşteri yaşam boyu değerinin (MYBD) hesaplanmasıdır. Ancak, literatürde MYBD'nin hesaplanması ile ilgili birçok yöntem ve model bulunmasına rağmen, yapay zekâ ile MYBD tahminlemesine ait yeterli sayıda çalışma bulunmamaktadır. Bu noktada araştırmanın temel amacı, yapay zekâ ile kısa sürede tepki veren, başarı yüzdesi yüksek modeller oluşturmaktır. Ayrıca teknolojinin gelişmesiyle birlikte önemi giderek artan kanallardan biri olan sosyal medya platformunda, müşteri davranışlarının MYBD'nin hesaplanmasına nasıl etkide bulunduğunu belirlemek bir diğer amacımızdır. Bu çerçevede yapay sinir ağı (YSA) modelleriyle telekomünikasyon sektörüne özel uygulanabilir modeller geliştirilmiştir.Çalışmada telekomünikasyon sektöründe faaliyet gösteren bir işletmenin, sosyal medya paylaşım platformu Twitter’da hesabı olan müşterilerinin 2011 - 2014 yılları arasındaki dört yıllık verileri kullanılmıştır. MYBD radyal tabanlı fonksiyon, çok katmanlı algılayıcı ve Elman sinir ağı yaklaşımlarıyla modellenmiştir. Çalışma bulgularına göre, oluşturulan modellerde tahmin edilen MYBD için hata payı kabul edilebilir aralıktadır. YSA modellerinden Elman sinir ağı, diğer sinir ağı modellerine göre daha yüksek performanslı bulunmuştur. Ayrıca, MYBD ile sosyal medya arasında olumlu bir ilişki tespit edilmiş, sosyal medya değişkenlerinin kullanıldığı modellerde hata oranının daha düşük bulunması çalışmanın bir diğer sonucu olarak ortaya çıkmıştır.

Competitive advantage for businesses, is connected along with many other factors, highly dependent on purchasing activity of the customers. Today, when a customer-centric approach to adopt and put into practice, recognition of customers closely have gained importance. One of the most recommended method is calculating customer lifetime value (CLV) to recognize the most valuable customers. However there are many methods and models for calculating CLV, there are limited number of studies on exploring the relation between artificial intelligence (AI) and CLV in literature. At this point, the main purpose of the research is to create an optimum model that reacts in a short time and performs in higher accuracy. Moreover, our aim is to identify how customer behavior effect the calculation of CLV in social media platform which is one of the growing channel with the development of technology. Within this scope, artificial neural networks (ANNs) models have been developed to specific applicable model of the telecommunications industry.In this study, some customers’ twitter accounts are used as data from 2011 to 2014 in telecommunication industry. CLV has been modeled through radial basis function (RBF), multilayer perceptron (MLP) and Elman neural network approaches. According to study findings, the margin of error is in acceptable range for predicted CLV in generated models. Elman neural network showed significantly higher performance compared to other neural network models. Furthermore, positive correlation was detected between the social media and CLV, there were lower error rates in variable social media used as models is the another result of the study.