CUSTOMER BEHAVIOR ANALYSIS WITH BIG DATA ANALYTICS

Creative Commons License

Kara M., Terzi Y., Cengiz M. A.

19. ULUSLARARASI MATEMATİK-MÜHENDİSLİK-FEN VE SAĞLIK BİLİMLERİ KONGRESİ, Mingachevir, Azerbaijan, 17 - 18 April 2024, vol.1, no.1, pp.164-169, (Full Text)

  • Publication Type: Conference Paper / Full Text
  • Volume: 1
  • City: Mingachevir
  • Country: Azerbaijan
  • Page Numbers: pp.164-169
  • Ondokuz Mayıs University Affiliated: Yes

Abstract

The concept of Big Data can be defined as a problem that arises when traditional database management systems fall short. This study focuses on the importance of Big Data in the processes of storing, analyzing, and managing data from various sources. In particular, emphasis is placed on making data from different sources such as emails, social media interactions, photos, audio, video, and log files meaningful and actionable.

The focal point of the research is the statistical analysis of big data and its methodologies. Additionally, customer churn modeling is conducted as an application of these analysis methodologies, and the statistical significance of the obtained results is indicated.

The research method is based on a mixed approach, incorporating literature review, content analysis, and qualitative research steps. The review of literature and examination of similar studies have formed the basis of the analyses and applications conducted.

Furthermore, the Churn dataset used in the study is introduced. This dataset consists of 7 variables and 899 records used for customer churn modeling. The functions of the variables in the dataset (name, age, total purchases, account manager, customer age, number of products purchased, and churn status) are specified.

Finally, Big Data analytics for customer churn modeling is performed on the Spark platform. Machine learning algorithms from the Spark Mlib libraries are implemented using the Python programming language, attempting to model customer churn situations.

This study aims to offer a new perspective on research conducted in the field of Big Data analytics and customer churn modeling.

Keywords: Big Data, Data Analytics, Customer Churn Modeling, Spark, Machine Learning.

Büyük Veri kavramı, geleneksel veritabanı yönetim sistemlerinin yetersiz kaldığı durumlarda ortaya çıkan bir sorun olarak tanımlanabilir. Bu çalışma, çeşitli kaynaklardan gelen verilerin saklanması, analizi ve yönetilmesi süreçlerinde Büyük Veri'nin önemine odaklanmaktadır. Özellikle, e-postalar, sosyal medya etkileşimleri, fotoğraf, ses, video ve log dosyaları gibi farklı kaynaklardan gelen verilerin anlamlı ve işlenebilir hâle getirilmesi üzerinde durulmuştur.

Araştırmanın odak noktası, büyük verilerin istatistiksel açıdan analiz edilmesi ve bu analizin metodolojileridir. Ayrıca, bu analiz metodolojilerinin bir uygulaması olarak müşteri terk modellemesi yapılmış ve elde edilen sonuçların istatistiksel olarak anlamlılığı belirtilmiştir.

Araştırmanın yöntemi karma bir yaklaşıma dayanmaktadır ve literatür taraması, içerik analizi ve nitel araştırma adımlarını içermektedir. Literatür taraması ve benzer çalışmaların incelenmesi, yapılan analizlerin ve uygulamaların temelini oluşturmuştur.

Ayrıca, çalışmada kullanılan Churn veri seti tanıtılmıştır. Bu veri seti, müşteri terk modellemesi için kullanılan 7 değişken ve 899 kayıttan oluşmaktadır. Veri setinde yer alan değişkenlerin (isim, yaş, toplam satın alma, hesap yöneticisi, müşteri yaşı, alınan ürün sayısı ve terk durumu) işlevleri belirtilmiştir.

Son olarak, müşteri terk modellemesi için Spark platformunda Büyük Veri analitiği yapılmıştır. Python programlama dili kullanılarak Spark Mlib kütüphanelerinde bulunan makine öğrenmesi algoritmaları uygulanmış ve müşterilerin bizi terk etme durumları modellemeye çalışılmıştır. Bu çalışma, Büyük Veri analitiği ve müşteri terk modellemesi alanında yapılan araştırmalara yeni bir bakış açısı sunmayı amaçlamaktadır.

Anahtar Kelimeler: Büyük Veri, Veri Analitiği, Müşteri Terk Modellemesi, Spark, Makine Öğrenmesi.