Proje İçeriği

AI-Based Churn – Silent Customer Churn Analytics Platform, müşterilerin hesaplarını kapatmadan önce gösterdikleri davranışsal değişimleri analiz ederek olası müşteri kayıplarını önceden tespit etmek amacıyla geliştirilen yapay zekâ destekli bir analitik platformdur.

Geleneksel müşteri kaybı yönetimi, müşterinin sistemi terk etmesinden sonra aksiyon alınmasına dayanırken; AI-Based Churn Platformu işlem hacmi, işlem sıklığı, harcama davranışları ve geçmiş işlem eğilimleri gibi çok boyutlu verileri analiz ederek sessiz müşteri kaybını (soft churn) erken aşamada belirlemektedir.

Platform; XGBoost, LightGBM ve Random Forest algoritmaları ile geliştirilen makine öğrenmesi modellerini, SHAP tabanlı açıklanabilir yapay zekâ yaklaşımını, otomatik veri işleme süreçlerini, API servislerini ve yönetim panellerini tek bir çözüm altında birleştirmektedir.

Böylece finans kuruluşları yalnızca churn tahmini elde etmekle kalmamakta; hangi müşterilere neden öncelik verilmesi gerektiğini de açıklanabilir risk skorları ve Customer Lifetime Value (CLV) analizleriyle görebilmektedir.

Projenin Amacı

AI-Based Churn Platformu, kurum içerisinde geliştirilen yapay zekâ ve veri analitiği yetkinliklerinin ticari bir ürüne dönüştürülmesi amacıyla geliştirilmiştir. Proje yalnızca mevcut analiz süreçlerini iyileştirmekle kalmamış; bankalar ve finans kuruluşlarının müşteri kaybını proaktif şekilde yönetebilmesini sağlayan yeni nesil bir karar destek hizmeti oluşturmuştur.

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Projenin en önemli yeniliği, müşteri kaybını gerçekleşmeden önce tahmin edebilmesi ve tahmin sonuçlarını açıklanabilir yapay zekâ (Explainable AI) yaklaşımıyla iş ekiplerinin kullanabileceği aksiyonlara dönüştürmesidir.

SHAP tabanlı açıklanabilirlik, CLV önceliklendirmesi, tenant bazlı yapay zekâ modelleri ve API entegrasyonları sayesinde yalnızca tahmin üreten değil, doğrudan iş kararlarını destekleyen operasyonel bir platform geliştirilmiştir.

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Veri Analitiği, Ürün Geliştirme, Satış, Müşteri Yönetimi, Operasyon, İş Geliştirme

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Evet. Proje, PayCore yönetiminin veri odaklı karar alma ve yapay zekâ yatırımları stratejisi kapsamında önceliklendirilmiş; gerekli Ar-Ge yatırımı, teknik kaynak planlaması ve ürün geliştirme desteği üst yönetim tarafından sağlanmıştır.

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Evet.

Proje sonunda yapılan analizlerde;

• Yıllık müşteri kaybı oranı %25 seviyelerinden %10'un altına indirildi.
• Manuel müşteri analiz süresi 10 günden yaklaşık 1 saate düştü.
• Customer Lifetime Value (CLV) bazlı önceliklendirme sayesinde yüksek değerli müşterilere odaklanan daha etkin müşteri kazanım ve elde tutma stratejileri geliştirildi.
• Satış ve müşteri yönetimi ekipleri için haftalık otomatik risk listeleri oluşturularak operasyonel verimlilik artırıldı.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

5 Kişi (Proje Yöneticisi, Developer, Analist, Test)

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje tamamen PayCore bünyesinde geliştirilmiş olup herhangi bir dış yazılım geliştirme veya implementasyon iş ortağı kullanılmamıştır. Açık kaynak teknolojilerden faydalanılmıştır.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

PostgreSQL, Python, Apache Arflow, Açık Kaynaklı sistemler