Sentiment Analizi ile Müşteri Kaybı İncelemesi

8 min readDec 19, 2021

Müşteri Kaybı

Müşteri Kimdir?

Ticaret kavramının oluşumu ile başlayan ekonomik hayatta değiş-tokuş, alışveriş ve para gibi kavramların günlük hayata girmesi, ticaret ve para gibi kavramların öneminin artması günümüze kadar devam etmiştir. Günümüzde ticaret, hizmet alan taraf ve hizmet veren taraf olmak üzere ikili olarak yürütülmektedir. Bir firma veya kurumdan hizmet veya ürün satın alan ve bunun bedelini ödeyen kullanıcıyı temel anlamda “müşteri” olarak tanımlıyoruz.

Müşteri Kaybı Nedir?

Genel olarak, “bir işletme için kayıp, hem müşteri oranındaki bir düşüşü hem de işletme için müşterilerin getirilerinde bir düşüşü temsil eder”. Oran sektöre göre değişmekle birlikte tüm sektörler için genel olarak yeni müşteri kazanmanın mevcut müşteriyi elde tutmaktan daha maliyetli olduğu söylenebilir. Bu nedenle işletmelerin rekabet ortamında etkin ve verimli bir şekilde mücadele edebilmeleri için doğru analizleri zamanında yapmaları hayati önem taşımaktadır.

Müşteri Kaybını Önlemek Neden Önemlidir?

Çalışmalarda elde edilen sonuçlara göre; mevcut bir müşteriyi elde tutmak, yeni müşteri edinmekten hem daha olası hem de daha az maliyetlidir. Çünkü mevcut müşteriyi elde tutmak için 1x birim maliyet harcanırken, yeni müşteri kazanımı için bu oran 5x birim maliyettir. Ayrıca müşteri tutma maliyetini 1x birim olarak hesaplarsak, yeni bir müşteriyi mevcut müşteri kadar karlı hale getirmek 16x birime mal olabilir ve müşteri kayıp oranını sadece %5 azaltmak karlılığı %25–125 artırabilir. 33 ülke ve 24 binden fazla katılımcının yer aldığı bir araştırmaya göre hizmet aldıkları kurumdan ayrılan müşterilerin %68'i bir daha aynı kurumdan hizmet almayacaklarını belirtmiştir.

Mevcut bir müşteriyi bir rakibe kaybetmek, maliyet nedenlerinin yanı sıra kurumsal imaj açısından da kötü bir etkiye sahiptir, dolayısıyla diğer müşterilerin bu etkiden olumsuz etkilenmesi ve şirketten ayrılması olasıdır. Ayrıca kurumların marka değeri aktif müşteri sayısı ile paralellik göstermektedir. Bu nedenle finansal açıdan maliyet ve karlılık oranları, yatırım olanakları, nakit işlemleri gibi konular aktif müşteri sayısı ile doğrudan ilişkilidir ve bu nedenle müşteri sadakati çok önemlidir.

Müşteri Kayıp Analizi Nedir?

Müşterilerin bir ürün veya hizmeti kullanmayı bırakma ve bu olasılık değerlerine göre farklı kararlar alma olasılıklarını hesaplamamızı sağlayan analiz yöntemlerine müşteri kaybı analizi denir. Başka bir deyişle müşteri kaybı analizi, ayrılma olasılığı yüksek müşterilerin profillerini çıkararak müşteri davranışlarını inceleyerek tahmin etme süreci olarak adlandırabiliriz. Müşteri kaybı analizi tek aşamalı bir süreç olmayıp farklı aksiyonlarla bir bütün olarak ele alınmalıdır. İlk aşama müşteri kaybı olasılığını hesaplarken, müşteriyi ayrılmadan önce nasıl mutlu edebiliriz gibi soruların cevaplarını alabileceğimiz ikinci bir aşama daha olmalıdır.

Önerilen model ve analiz, müşteri kaybının arkasındaki nedenleri bulabilmeli ve müşteri kaybını önlemek için önlemler sağlayabilmelidir. Ayrıca gelecekte böyle bir durumun ne zaman ortaya çıkacağını tahmin etmek için teknikler kullanmalıdır. Ayrıca kurum içinde sadık müşteri olarak nitelendirilebilecek kişileri ölçmek de yanlış bir yöntem olacaktır, çünkü bizi ilgilendiren kısım potansiyel ihtiyaçları düşük olan ve belirleyemediğimiz hedef kitledir. Müşterileri elde tutma yöntemlerini gerçekçi hedeflerle analiz etmek, zarara neden olan her durumu gözden geçirmek gerekmektedir.

Müşteri Kayıp Çeşitleri Nelerdir?

Müşteri kaybı, “müşterilerin rekabet nedeniyle hizmet veya ürünü aldıkları kurum veya şirketi tercih etmekten vazgeçmeleri” anlamına gelir. Müşteriler, ileri teknolojilere erişim, sosyal sorumluluk projeleri, ücretler, değiştirme maliyeti, iyi reklamın etkisi, coğrafi nedenler ve diğer her türlü hizmet tanıtım ve kampanyalarından dolayı hizmet aldıkları kurumdan ayrılma eğiliminde olabilirler.

Müşteri kaybına neden olan durum ve şartlara göre gönüllü veya gönülsüz olmasına göre iki türden oluşmaktadır. Gönüllü kayıplar; bir müşterinin mevcut işletmeden ayrılarak aynı mal veya hizmeti başka bir işletmeden satın alması veya tercih etmesi durumudur. İstemsiz kayıplar; müşterilerin kendi istek ve talepleri doğrultusunda sayılmayan mücbir sebepler veya istenmeyen sebeplerden kaynaklanan terk edilme durumudur. Burada önemli olan, kurumla gönüllü olarak yollarını ayıran ve rakibi seçen kişinin tercihini neden değiştirdiği ile ilgilidir. İstemsiz kayıp türleri, istatistiksel ve veri madenciliği çalışmalarında genellikle göz ardı edilir. Bunun temel nedeni müşteri kaybının önüne geçilememesidir.

2. Müşteri Geri Bildirimi

Müşteri anketleri, inceleme ve yorumları ile destek istekleri, elde tutmayı artırabilecek, dönüşüm oranlarını artırabilecek ve müşteri yaşam boyu değerini iyileştirebilecek iç görüler barındırmaktadır. Müşteri geri bildirimi birçok farklı kanaldan gelebilir. NPS veya CSAT anket puanları, sosyal medya yorumları veya e-posta, canlı sohbet ve telefon çağrı hizmetlerinden gelen veriler olabilir.

En güçlü müşteri geri bildirimi nitelikseldir. Örnek olarak, müşteri geri bildirim anketlerindeki serbest metin alanları veya müşteri destek görüşmelerinden sohbet günlükleri verilebilir. Ancak, nitel geri bildirimi ölçmek zordur. Sağlam bir veri etiketleme metodolojisine, bolca zamana ve objektif bir göze ihtiyacımız bulunmaktadır.

Karşılıklı röportaj, yüksek hacimli geri bildirim verilerinden sonra en iyisidir. Ciddi iş kararları verme söz konusu olduğunda, küçük örneklem boyutları istatistiksel olarak anlamlı değildir ve belirsizlik yaratır. Niteliksel verileri eyleme geçirilebilir bir şeye dönüştürmek için önemli bir ölçekte nicelleştirilmesi gerekir.

Müşteri Geri Bildirim Analizi Nedir?

Geri bildirim analizi, müşterinin rahatsız noktalarını belirlemek için müşteri verilerini parçalama sürecidir. İşletmeler, müşterilerin daha uzun süre ve daha fazla harcama yapmalarını sağlamak için var olan müşterilerini elde tutmak istemektedir. Müşterilerin rahatsız noktalarını belirlemek ve çözmek, bu hedefe ulaşmak için çok önemlidir, çünkü müşteri deneyimini geliştirmek ve müşteri kayıp etkenleriyle mücadele etmek için gereklidir.

Makine öğrenimi tabanlı doğal dil işleme (NLP), büyük hacimli yapılandırılmamış metinlerin hızlı çalışmasını sağlayabilir. Doğru şekilde oluşturulursa, bir NLP motoru nitel metin verilerinden son derece ayrıntılı iç görüler ortaya çıkarabilir ve dünya çapındaki şirketler tarafından kullanılmaktadır.

Birçok şirket, müşteri geri bildirim verilerini manuel olarak analiz eder. Bazıları için, özellikle düşük hacimli veriler varsa, mantıklıdır. Bununla birlikte, yüksek hacimli bir ortamda, insan gücüyle çalışan analitikle ilgili bir sürü sorun vardır ve bunların en önemlisi hızdır. Sizin veya benim gibi bir kişi yalnızca çok sayıda incelemenin veya canlı sohbetin analizini yapabilir, bu genellikle potansiyel olarak temsili olmayan bir numunenin alındığı anlamına gelir. Öte yandan metin analitiği , insan gücüyle analiz ihtiyacını ortadan kaldırır. Metin analitiğinin bir alt kümesi olan duygu analizi, bu metni olumlu, olumsuz veya tarafsız olarak sınıflandırır ve hatta dakikalar içinde 100.000 inceleme yapabilir. NLP ise yapılandırılmamış metni ölçülebilir verilere, örneğin belirli konularla ilgili incelemelerin sıklığına dönüştürebilir. Bu tür müşteri davranış iç görüsü, ticari karar vermede hayati bir rol oynar. Firmaların müşterilerinin ihtiyaçlarına cevap vermelerine ve dolayısıyla müşteri kaybını azaltmalarına ve rekabetçi kalmalarına izin vermektedir.

Müşteri Geri Bildirimi Neden Önemlidir?

Müşteri geri bildirimi, Amazon, Apple ve Google gibi şirketlerin başarısının ardındaki sırdır. Değişen tüketici ihtiyaçlarını takip etmek ve mutlu müşterileri elde tutmak için mevcut ürünleri sürekli iyileştirmek için müşteri geri bildirimlerini dikkatle dinlenmektedir.

Müşteri geri bildirimleri ile müşterilerin kurumla olan deneyimlerini, nelerden hoşlanıp nelerden hoşlanmadıklarını öğrenebiliriz. Müşterinin ürün veya hizmetle ilgili sıkıntılı noktaları biliyorsak, müşterilere daha iyi hizmet vermek için bunlara ince ayar yapabilir ve iyileştirebiliriz. Sürekli olarak bunun gibi geri bildirimlere göre hareket etmek, müşterilerin ihtiyaçlarını karşılamak için başka bir şirket aramaya başlamayacağı ve bu da kuruma gelir kaybı yaşatmayacağı anlamına gelir.

Sentiment Analizinde Ne Tür Veriler Kullanılabilir?

Müşteri duygu analizi, en çok nitel veriler üzerinde etkilidir. AI kullanarak, yüksek hacimli zengin metnin konusunu ve duyarlılığını anlayabilirsiniz. Genelde aşağıdaki kaynaklar bizim için veriyi oluşturmaktadır:

a) Destek talepleri

b) Müşteri yorumları ve görüşleri

c) Anketler

d) Sosyal medya

-> Destek Taleplerinin İncelenmesi: Destek görüşmeleri, müşteri geri bildirimi için en faydalı veri kaynağıdır. Destek kaydı günlükleri (e-postalardan, aramalardan ve canlı sohbetlerden), rakipsiz bir müşteri görüşü kaynağı olan tarafsız, niteliksel geri bildirimler içermektedir.

-> Müşteri Yorumlarını İncelenmesi: Çoğu müşteri bir satın alma yapmadan önce yorumlara baktığından, incelemeler satışların temel itici gücüdür. Bu analiz kısmı, işletmenin büyümesi için önemli olan olumsuz incelemelerin arkasındaki nedenleri anlamayı sağlar.

-> Anketlerin İncelenmesi: Anketler, müşteri geri bildirimi toplamanın en yaygın yoludur. Ölçekte olumlu ve olumsuz duyguların arkasındaki itici güçleri anlamak, yapay zeka destekli duygu analitiği için güçlü bir kullanım örneğidir.

-> Sosyal Medya İncelemesi: Twitter, Facebook ve Instagram aslında bir mayın tarlasıdır. Müşterinin bu kanalları açma sevgisi, hızlı bir şekilde ilgilenilmezse markaya zarar verebilir. Ancak, geri bildirim toplamak için mükemmel bir kanaldır. Müşteriler zaten kurum hakkında konuşuyorsa, bu yorumları toplayabilir ve etiketleyebiliriz.

Hangi Geri Bildirimler Aksiyon Almamızda Faydalıdır?

Aksiyona geçirilebilir iç görüler dinlenir ve değişimin gerçekleşmesi için işlevler arası katılıma ihtiyaç vardır. Müşteri iç görülerinin altı temel özelliği vardır. Bunlar:

 Bağlamsal olması
 İ̧ç görüsel olması
 Belirli bir zamana ait olması
 Granular olması
 İstatistiksel olarak anlamlı olması
 Tarafsız ve küçük bir örneklem büyüklüğüne dayalı olmaması.

3. Sentiment Analizi

Sosyal medya kanallarının ve canlı sohbetin yaygın şekilde büyümesinin körüklediği bilgilere doygun bir dünyada, metin analizi, işletmelerin etkin bir şekilde müşteri iç görüsü kazanmasına yardımcı olmaktadır. En son tweet’leri, destek çağrılarını, canlı sohbeti ve ürün incelemelerini takip eden işletmeler, performanslarını anlamalarına ve markanın genel etkisini iyileştirmelerine yardımcı olacak etkili araçlara ihtiyaç duymaktadır.

Büyük hacimli metinlerin manuel analizi ve anlaşılması ne ölçeklenebilir ne de pratiktir. Daha yaygın olarak NLP olarak bilinen Doğal Dil İşleme, son zamanlarda, doğal (insan) dilinde büyük miktarda metnin analizi ile ilgilenen popüler bir bilgisayar bilimi alt alanı olarak ortaya çıkmıştır. Metin Analizi, NLP’nin popüler bir uygulaması olarak büyümekte ve işletmelerin yüksek bilgi yüklemesi ile başa çıkmasına yardımcı olmaktadır.

Sentiment (Metin) Analizi Nedir?

Metin analizi, büyük miktarda yapılandırılmamış metinden bilgi çıkarma ve anlamanın otomatik süreci olarak tanımlanmaktadır. Metin analizi hem kural tabanlı sistemler hem de makine öğrenimi tabanlı (ML) sistemler tarafından yapılabilmektedir.

Kural tabanlı sistemler, verileri anlamak ve düzenlemek için konuşmanın bir parçası (Part Of Speech), stopwords ve anahtar kelimeler gibi metindeki dilsel özellikleri tespit etmek için el yapımı kurallar kullanmaktadır.
ML tabanlı yaklaşımlar, verilerin metin örnekleri kümesini ve bunlara karşılık gelen tahminleri/etiketleri içerdiği verilerden kalıpları/kuralları öğrenmektedir.
Her iki sistemin de performansı, insan çabasıyla darboğazdadır. Kural tabanlı sistemler söz konusu olduğunda, el yapımı kuralların kalitesi performansı sınırlamakta iken ML tabanlı sistemler için, eğitim verilerinin doğruluğu ve güvenilirliği performansı sınırlamaktadır.
Otomatik Metin Analizinin Avantajları

Otomatik metin analizi, işletmelerin tweet’ler, ürün incelemeleri, destek çağrıları ve marka anketleri gibi veri kaynaklarından gelen geniş bilgileri etkili bir şekilde ölçeklendirmesine ve düzenlemesine olanak tanımakta ve böylece insan kaynaklarını daha önemli görevlere yönlendirmeye yardımcı olmaktadır.

Verilerin ölçeği göz önüne alındığında, acil sorguların manuel olarak algılanması ve çözülmesi zordur. Böylece, 7/24 çalışan metin analizi modelleri, olumsuz bir duyguyu belirten veya aciliyeti ima eden ifadeleri tespit etmek ve işaretlemek için kullanılabilir, böylece bir işletme gerekli eylemi vaktinde yapabilmektedir.

Bu modeller, eğitildikleri bilgilerden öğrendikleri belirli kriterlere göre tahminde bulundukları için, insandan daha tutarlıdırlar çünkü içinden geçen her veri için aynı kriterleri uygularlar, kişisel duygu ve inançlar metni anlamamızı etkilediği için bu tarz farklılıkların önüne geçilmiş olunur.

Metin Analizi Süreci

-> Duygu Analizi: Müşteri duyarlılığını daha iyi anlamayı planlayan herhangi bir firma için değerli olan tüm iç görülerin temel taşıdır. Geleneksel olarak firmalar, ürünlerine ve işlerine yönelik müşteri duyarlılığını anlamak için insan çabasına ve anketlere güvenmiştir. Bununla birlikte, anketlerden elde edilen puanlar Twitter ve Facebook gibi sosyal medya kanallarındaki geri bildirimleri dikkate almadığından, ayrıca veri miktarı çok büyük olduğu için bu ölçeklenebilir de değildir. NLP ve metin madenciliği teknikleri aracılığıyla duygu analizi, bu sorunları ele alarak hem maliyet hem de zaman açısından kolay uygulanabilir bir alternatif haline getirmektedir.

-> Konu Bazlı Duygu Analizi: Her şirket, iyi performans gösterdiği, iyileştirmeye ihtiyaç duyduğu veya kötü performans gösterdiği farklı alanları anlamak ister. Metin sınıflandırıcılar, ürün/iş incelemelerindeki konuları, müşteriler arasında algılanan duyarlılıklarını belirlemek ve verileri buna göre organize bir şekilde depolamak için kullanılabilir.

-> Amaç/Niyet Tespiti: İşletmeler, müşteri geri bildirimleri aracılığıyla bir ürünün performansını anlamaya çalışmaktadır. İdeal olarak, alınan geri bildirim bir şikayet olduğunda veya derhal ilgilenilmesi gerektiğinde bir işletmeye hemen bildirilmesi uygun olacaktır. Bu gibi durumlarda, NLP tabanlı metin sınıflandırıcılar, metnin amacını otomatik olarak algılamaya yardımcı olmaktadır.

-> Hedef Tabanlı Duygu Analizi: Çoğu zaman, birden fazla ürüne sahip firmalar veya geniş bir çözüm yelpazesi sunan ürünlere sahip firmalar için değerli olabilecek şey, müşterilerinin aynı konudaki duygularını bilmenin yanı sıra, müşterilerinin hangi ürünlerden bahsettiğini bilmektir. HTDA (Aspect Based Sentiment Analysis), bir NLP problemi olarak formüle edilmiştir ve bunun için geliştirilen çözüm, insan gücüyle izlemeye göre daha hızlı ve daha ucuzdur.

-> Anahtar Kelime Çıkarma: Bazı senaryolarda, şirketlerin ürünün performansını analiz etmenin yanı sıra, örneğin, kendilerinde kayıtlı belirli markaların performansını da izleme zorunluluğu olabilir. Bu anahtar kelimeleri çıkarmak ve izlemek için özel desen çıkarma modelleri kullanılabilir, böylece şirketlere marka izlemede yardımcı olur.

4. İlişkili Çalışmalar

Dünyadaki teknolojik gelişmelerin hızla artması, data miktarı ve AI tarafındaki gelişmeler ile birlikte özellikle 2015 yılından sonra duygu analizi ile müşteri kaybı önleme çözümleri artmaya başlamıştır. Marketteki pazar payları büyüdükçe bu tarz yatırımların ve farklı çözümlerin ortaya çıkması şaşırtıcı değildir. Son 2 yılı baz aldığımızda 2020 yılı için toplam yaklaşık 500 makale google scholar da yer alırken, günümüz itibariyle bu sayı 800'e yaklaşmaktadır. Özellikle telekom, e-ticaret ve bankacılık sektörleri için büyük bir öneme sahip olan müşteri kaybı çözümleri, literatürde sıkça karşılaştığımız çalışmaları oluşturmaktadır. Bu çalışmalar genelde İngilizce yapılmakta olup Türkçe doğal dil işleme teknikleri kullanarak yapılan çalışmalar son derece kısıtlıdır. Son dönemde yapılmış akademik ve ticari çalışmalardan örnekler ise aşağıdaki gibidir:

https://dergipark.org.tr/en/pub/jesd/issue/55126/546224
https://www.researchgate.net/publication/328170123_Customer_Churn_Prediction_Using_Sentiment_Analysis_and_Text_Classification_of_VOC_18th_International_Conference_CICLing_2017_Budapest_Hungary_April_17- 23_2017_Revised_Selected_Papers_Part_II
https://www.research.manchester.ac.uk/portal/files/162160288/FULL_TEXT.PDF
https://www.researchgate.net/publication/235479659_Churn_prediction_in_new _users_of_Yahoo_Answers
https://dl.acm.org/doi/abs/10.1145/3319921.3319937
https://www.aclweb.org/anthology/W17-4403.pdf
https://www.sciencedirect.com/science/article/abs/pii/S0950705120307152

Sentiment Analizi ile Müşteri Kaybı İncelemesi

Sign up to discover human stories that deepen your understanding of the world.

Free

Membership

Written by Ramazan Akkoyun

No responses yet