Bulanık Kümeleme ve Sınıflandırma Teknikleri ile Müşteri Davranış Segmentasyonu

Abstract

Bu çalışmada, pazarlama kampanyalarına yönelik müşteri yanıt davranışlarının sınıflandırılması ele alınmıştır. Analizlerde, Kaggle çevrimiçi veri paylaşım platformunda açık erişimli olarak sunulan Customer Personality Analysis (CPA) veri seti kullanılmıştır. Veri setindeki hedef değişken Response, müşterinin son kampanya teklifini kabul etme durumunu ifade etmektedir (1 = kabul etti, 0 = kabul etmedi). Pozitif sınıfın toplam gözlem sayısına oranının yaklaşık %15 düzeyinde olması, belirgin bir sınıf dengesizliği problemine işaret etmektedir. Bu nedenle, model başarımının değerlendirilmesinde yalnızca doğruluk ölçütü yerine, azınlık sınıfını daha dengeli biçimde temsil eden makro-F1 metriği dikkate alınmıştır. Yöntemsel çerçevede ilk olarak bulanık c-Ortalamalar (FCM) algoritması uygulanarak her örnek için kümelere ilişkin üyelik dereceleri elde edilmiştir. Daha sonra bu üyelik dereceleri, FCM+FSVM yapısında örnek ağırlığı olarak sınıflandırma sürecine dahil edilmiş; FCM+FKNN yapısında ise komşuluk katkı katsayısı olarak kullanılmıştır. FCM hiperparametreleri genetik algoritma ile optimize edilirken, sınıflandırıcılara ilişkin hiperparametreler rastgele arama yöntemiyle belirlenmiştir. Deneysel çalışmalarda lojistik regresyon, KNN, RBF-SVM, rastgele orman ve gradyan artırma gibi yöntemlerle karşılaştırma yapılmış ve FCM+FSVM modelinin hem genel sınıflandırma başarımı hem de azınlık sınıfını tanıma yeteneği açısından en yüksek performansı sergilediği görülmüştür.