Online müşteri şikayetlerinin veri madenciliği ile incelenmesi
Yükleniyor...
Dosyalar
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Trakya Üniversitesi Sosyal Bilimler Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
İşletmelerin var olma sebebi müşterilerdir. Müşterilerin, işletmeler için varlığının sürekli olması ise müşteri memnuniyetinin sağlanmasına bağlıdır. Müşteri memnuniyetinin sağlanmadığı durumda müşteriler, işletmeye bir şans daha tanıyarak şikayetlerini bildirebilir veya sessiz kalarak işletmeyi terk edebilirler. Bu durumda müşteri şikayetleri işletmeler için bir fırsat olarak değerlendirilebilir. Müşteri şikayetleri işletmeye; doğrudan, telefonla veya internet teknolojisinin çeşitli kanalları ile iletilmektedir. Müşteriler, internet teknolojisinin hızlı, kolay ve az emek gerektirmesi gibi özellikleri sebebiyle müşteri şikayetlerinde bu kanalları daha fazla kullanmaya başlamışlardır. İnternet üzerinden en çok kullanılan müşteri şikayet kanalları; sosyal paylaşım siteleri, işletme web sayfaları ve online şikayet siteleridir. Bu kanallarda çok sayıda şikayet yer almakta ve her kanalda şikayetler farklı veri formlarında depolanmaktadır. İşletmelerin şikayetleri değerlendirebilmesi için bu kanallardaki dağınık ve karmaşık yapıdaki şikayet verilerini analiz edebilmesi gerekmektedir. Dağınık ve karmaşık yapıdaki büyük verilerin analizinde, bilgi sistemlerininson yıllarda oldukça gelişme gösteren alanı veri madenciliği kullanılmaktadır. Veri madenciliği, büyük veri içerisinde okunamayan verileri okunabilir duruma getirmeye ve bu verileri bilgiye dönüştürmeye yarayan bir analizdir. Bu araştırmanın amacı; müşteri şikayetlerinin arttığı, müşteri bağlılığınınazaldığı rekabet ortamında, Türkiye’de faaliyet gösteren bankalara, müşteri memnuniyetlerini yükseltmek amacıyla analizi zor bir yapıya sahip, doğal dilde yazılmış (yapılandırılmamış) metin halindeki müşteri şikayetlerinin, veri madenciliği yöntemleri ile analiz edilerek, işletmelerin yeni ve stratejik kararlar almasına destek sağlayan bir model önerisi oluşturmaktır. Bu amaçla; ilk iki bölümde konu ile ilgili kavramlar açıklanarak daha önce yapılmış olan çalışmalar incelenmiştir. Son bölümde ise internet ortamında yer alan bankacılık sektörüne ait online şikayetlerden bir veritabanı oluşturulmuş, veri madenciliği tekniklerinden kümeleme ve birliktelik analizleri uygulanmıştır. Yapılan analizler sonucunda; müşteri şikayetlerinde ortak ve en sık kullanılan kelimelerin ve kelime gruplarının; kredi kartı, kart aidatı, üyelik ücreti, tüketici hakem heyeti, mağduriyet ve haksız olduğu belirlenmiştir. Şikayet veri setinde yer alan 50.000 şikayet kümeleme analizi sonucunda, anlamlı küme yapısına sahip 40 kümeye ayrılmış, her küme için kümeleri temsil eden kelimeler tanımlanmış ve müşteri şikayetleri gruplandırılmıştır. Böylece, işletmeler müşteri şikayetlerini tek tek okumaya gerek duymadan kategorilere ayırabilecek, en önemli şikayet unsurlarını belirleyebilecek, müşterilerine daha hızlı geri dönüş sağlayabilecektir.
abstract
The reason d’être of business is customers. The maintenance of the customers depends on customer satisfaction. In cases where customers are not satisfied, they either give a second chance to the company by complaining or they leave the company without any complaints. In this case, the complaint customers make might be considered as an opportunity. The customer complaints are communicated to companies directly or via telephones or the various channels of internet. Customers tend to use the internet channels for their complaints as it is a faster, easier and less challenging way. The most widely used channels for customer complaints are social media sites, websites of companies and online complaint systems. A great number of complaints are present on these channels and they are stored as different forms of data in each channel. In order for companies to evaluate the complaints, they must be able to analyze the complaint data which has a distributed and complicated structure. Data mining, a rapidly developing field of informatics so far, has been used for analyzing big data has a distributed and complicated structure. Data mining is an analysis method which helps to convert raw data into understandable ones and to transform the data into information. The aim of the study is to propose a model which helps companies for their new and tactical decisions and to increase customer satisfaction in a competitive environment with an increasing number of complaints and decreasing customer loyalty by analyzing the customer complaints, which are written in natural language (unstructured) and difficult to analyze, sent to the banks operating in Turkey with the use of data mining methods. For that purpose, the first two parts include the definitions of the related concepts and the previous research. The database of the online complaints sent to the banks and the application of the two of the data mining methods, clustering and association rules analyses, are presented in the final part. The analyses showed that the most common words and phrases used in the customer complaints were “credit card, card fee, subscription fee, arbitration committee for consumer problems, unjust treatment and unjust”. 50,000 complaints in the data set were divided into 40 clusters aster the clustering analysis and the words/phrases defining these clusters were identified for the grouping of the customer complaints. Thus, the companies can categorize the customer complaints, identify the most significant elements in them and provide feedback in less time in this way instead of reading them one by one.
abstract
The reason d’être of business is customers. The maintenance of the customers depends on customer satisfaction. In cases where customers are not satisfied, they either give a second chance to the company by complaining or they leave the company without any complaints. In this case, the complaint customers make might be considered as an opportunity. The customer complaints are communicated to companies directly or via telephones or the various channels of internet. Customers tend to use the internet channels for their complaints as it is a faster, easier and less challenging way. The most widely used channels for customer complaints are social media sites, websites of companies and online complaint systems. A great number of complaints are present on these channels and they are stored as different forms of data in each channel. In order for companies to evaluate the complaints, they must be able to analyze the complaint data which has a distributed and complicated structure. Data mining, a rapidly developing field of informatics so far, has been used for analyzing big data has a distributed and complicated structure. Data mining is an analysis method which helps to convert raw data into understandable ones and to transform the data into information. The aim of the study is to propose a model which helps companies for their new and tactical decisions and to increase customer satisfaction in a competitive environment with an increasing number of complaints and decreasing customer loyalty by analyzing the customer complaints, which are written in natural language (unstructured) and difficult to analyze, sent to the banks operating in Turkey with the use of data mining methods. For that purpose, the first two parts include the definitions of the related concepts and the previous research. The database of the online complaints sent to the banks and the application of the two of the data mining methods, clustering and association rules analyses, are presented in the final part. The analyses showed that the most common words and phrases used in the customer complaints were “credit card, card fee, subscription fee, arbitration committee for consumer problems, unjust treatment and unjust”. 50,000 complaints in the data set were divided into 40 clusters aster the clustering analysis and the words/phrases defining these clusters were identified for the grouping of the customer complaints. Thus, the companies can categorize the customer complaints, identify the most significant elements in them and provide feedback in less time in this way instead of reading them one by one.
Açıklama
Anahtar Kelimeler
Veri Madenciliği, Bankacılık, Online Müşteri Şikayetleri, Metin Madenciliği, Data Mining, Banking, Online Custumer Complaint, Text Mining
