Online eğitim firmaları için müşteri terk oranlarını (churn) tahmin etmek, müşteri sadakatini artırmak ve müşteri kaybını azaltmak için kritik öneme sahiptir. Müşteri terk tahmin modeli, müşterilerin hangi durumlarda hizmeti bırakma eğiliminde olduklarını belirleyerek, proaktif önlemler alınmasına yardımcı olur.
Veri Seti Açıklaması
Bu proje için oluşturduğumuz veri seti, müşterilerin demografik bilgilerini, abonelik türlerini, ödeme yöntemlerini ve müşteri davranışlarını içermektedir. Veri seti, gerçek dünyadaki veriler gibi eksik, hatalı ve aykırı veriler ile kirletilmiştir.
CustomerID: Müşterinin benzersiz kimliği
Gender: Müşterinin cinsiyeti (Male, Female, Other)
Age: Müşterinin yaşı
Region: Müşterinin yaşadığı bölge (North, South, East, West)
Tenure: Müşterinin şirkette kalma süresi (ay olarak)
SubscriptionType: Abonelik türü (Basic, Standard, Premium)
MonthlyCharges: Aylık ücret
TotalCharges: Toplam ödenen ücret
NumOfProducts: Müşterinin sahip olduğu ürün sayısı
ContractType: Sözleşme türü (Month-to-month, One year, Two year)
PaymentMethod: Ödeme yöntemi (Electronic check, Mailed check, Bank transfer, Credit card)
Churn: Müşteri terk durumu (Yes, No)
Proje Adımları
Veri Yükleme ve İlk Bakış: Veri setini yükleyerek genel bir bakış atacağız. Verinin yapısını inceleyip eksik veya hatalı verileri tespit edeceğiz.
Eksik ve Hatalı Verilerin Temizlenmesi: Eksik değerleri doldurup hatalı verileri düzelteceğiz. Bu adımda, verinin doğruluğunu ve bütünlüğünü sağlamak için gerekli temizlik işlemlerini gerçekleştireceğiz.
Özellik Mühendisliği: Veri setindeki özellikleri kullanarak yeni özellikler oluşturacağız ve modelin performansını artırmak için gerekli dönüştürmeleri yapacağız.
Model Kurulumu ve Eğitim: Makine öğrenmesi modellerini kullanarak churn tahmin modeli oluşturacağız ve modeli eğiteceğiz.
Model Performansı ve Değerlendirme: Modelin performansını değerlendirmek için doğruluk, hassasiyet, hatırlama ve F1 skoru gibi metrikleri kullanacağız.
Sonuçların Görselleştirilmesi ve Yorumlanması: Analiz sonuçlarını görselleştirerek sunacağız ve elde edilen sonuçları yorumlayacağız.