Bankacılıkta Ürün Eğilim Modelleri
Günümüzde teknolojinin hızla gelişmesiyle birlikte, Veri Analitiği ve Makine Öğrenmesi bankacılık ve diğer sektörlerde önemli bir yer edindi. Teknolojiyi aktif bir şekilde kullanan birçok şirkette görülen ürün eğilim modelleri, bir müşterinin gelecekte hangi ürün veya hizmetleri satın alacağını tahmin eden ikili sınıflandırma (binary classification) modelleridir ve şirketler açısından oldukça önemli bir yere sahiptir.
Ürün Eğilim Modeli Nedir?
Makine Öğrenmesi yöntemleriyle çalışan ve arka planında matematiği kullanan algoritmalardır. Bu algoritmalar, geçmiş satın alma verilerini, müşteri davranışlarını ve diğer ilgili faktörleri kullanarak gelecekteki satın alma eğilimlerini (propensity) tahmin etmeye çalışır. Temel amacı, müşteriye özel bir deneyim sunmak ve bir bankanın ya da farklı kurumların müşteri ihtiyaçlarını daha iyi anlamaya yardımcı olmaktır.
Makine Öğrenmesi’nde Eğilim Modelleri
Makine Öğrenmesi kısaca, bilgisayar sistemlerinin verilere dayalı olarak kendi kendine öğrenme yeteneğine sahip olduğu bir yapay zeka dalıdır. Ürün eğilim modelleri, bu Makine Öğrenmesi tekniklerini kullanarak, büyük veri kümelerindeki desenleri ilişkileri ve davranış kalıplarını tespit eder. Daha sonra bu öğrenilen bilgileri yeni verilere uygulayarak müşterilerin satın alma eğilimleri için skor üretir.
Biraz daha detaya inmek gerekirse, veri içerisinde yer alan desenler (pattern) ve ilişkiler, ilgili algoritma tarafından öğrenilir ve oluşan model yeni ve daha önce hiç görmediği örnekler üzerinden test edilir. Bu sayede eğitimi ve testi tamamlanmış eğilim modelleri, şirketlerin üretim ortamlarında kullanıma hazırlanır. Her bir ürün için, müşterilerin ilgili ürün alıp almayacağı ya da ne olasılıkla alacağı şeklinde model çıktıları üretilir ve genel olarak veritabanı sistemlerinde kullanıcılara tablo şeklinde sunulur.
Denetimli Öğrenme (supervised learning), ürün eğilim modellerinde kullanılan yaklaşımdır. Eğitim veri kümesi, önceden etiketlenmiş veri örneklerinden oluşur ve giriş verilerine yani özelliklere (feature) karşılık gelen hedef (target) çıktıları içerir. Genellikle tablo şeklinde veriler saklanır ve kullanılır. Model, bu veri kümesini analiz ederek girişler ve çıktılar arasındaki ilişkiyi, yani hangi özelliklere sahip müşterilerin ürünlerde nasıl bir alma olasılığına sahip olduğunu bulmaya çalışır. Sonrasında, daha önce hiç görmediği ve etiketi bulunmayan örnekler üzerinde tahmin yapar ve skorları üretir.
Garanti BBVA’da, bir ürün eğilim modeli oluşturma süreci aşağıdaki şekilde özetlenebilir:
1. İlgili iş birimleriyle plan ve kapsam çalışmasının yapılması.
2. Verinin araştırılması ve elde edilmesi.
3. Veri analizinin yapılması ve verinin tanınması.
4. Farklı algoritmalar denenerek ilk modellerin kurulması.
5. Hiperparametre iyileştirmesinin yapılması.
6. En iyi modellerin çıktılarının iş birimleriyle tartışılması.
7. Final modele karar verilmesi ve modelin geçerlenmesi (validation).
8. Üretime alınıp ilgili ekiplerin kullanımına sunulması.
Bankacılıkta Ürün Eğilim Modeli Uygulamaları
1. Öneri Sistemleri: Bankalar, müşterilere özel (kişiselleştirilmiş) ürün veya hizmet önerileri sunmak için ürün eğilim modellerini, öneri sistemlerinde kullanır. Örneğin, müşterinin daha önce kredi kartı başvurusunda bulunduğu tespit edilirse, sistem müşteriye uygun kredi kartı tekliflerini ya da paket şeklinde stratejiler de uygulayıp kart ile birlikte farklı ürün tekliflerini de yapabilir.
2. Müşteri Segmentasyonu: Bankacılıkta, müşteri tabanını farklı segmentlere, ayırmak ve müşteri davranışlarını daha iyi anlamak için ürün eğilim modelleri çıktıları kullanılabilir. Oluşturulan segmentasyon yapıları, diğer bilgiler ile birlikte eğilim modellerinin sağladığı olasılık değerlerini de kullanarak bir çoklu sınıflandırma yapar. Segmentasyon sayesinde, bankalar farklı müşteri gruplarına özel pazarlama stratejileri geliştirebilir ve müşterilerle daha etkileşimli çalışabilir.
3. Pazarlama Stratejileri: Bankalar, müşterilere özel kampanyalar ve teklifler sunmak için ürün eğilim modellerini kullanır. Örneğin, ev kredisi eğilim modelinde, bir müşterinin skoru yüksek çıktığında, kurum bu müşteriye özel uygun faiz oranıyla ev kredisi teklifi yapabilir.
Garanti BBVA, teknolojiyi iyi bir şekilde kullanan bir kurum olarak, ürün eğilim modellerini oldukça aktif ve etkili bir şekilde kullanıp müşterilere kişiselleştirilmiş bankacılık hizmeti sunmaktadır. Özellikle öneri sistemi yapısında, müşteri ve ürün analitiğini etkin şekilde kullanarak, müşterilerine en iyi şekilde hizmet vermeyi hedeflemektedir.
Veri Gizliliği ve Etik
Ürün eğilim modellerinin kullanımı, müşteri verilerinin gizliliği ve etik sorunları da beraberinde getirir. Bankaların, müşteri verilerini güvenli bir şekilde saklamaları, veri kullanımında şeffaf olmaları ve müşterilerden gerekli izinleri almaları son derece önemlidir ve ilgili kurallara uyulmadığı takdirde ciddi yaptırımları olabilmektedir. Veri güvenliği, müşteri güvenliğini sağlamak için en önemli unsurlardan biridir ve bankaların, veri koruma yönergelerine uygun hareket etmeleri büyük önem taşır. Garanti BBVA, Etik ve Yanlılık İlkeleri ve Kişisel Verilerin Kullanımı Kanunu (KVKK) kapsamında gerekli aksiyonları alıp, veri güvenliği konusunda hassas davranmaktadır.
Özet
Birçok şirket, ürün eğilim modellerini kullanarak müşteri deneyimini geliştirmek, pazarlama stratejilerini iyileştirmek ve müşteri ihtiyaçlarını daha iyi anlamak için hizmet vermektedir. Makine Öğrenmesi sayesinde, bankalar müşterilerle daha kişisel ve etkileşimli bir şekilde çalışabilir, müşteri memnuniyetini artırabilir ve daha başarılı iş stratejileri oluşturabilir. Ancak bu modellerin kullanımında veri gizliliğine ve etik değerlere dikkat edilmesi, müşteri güvenini ve başarıyı sağlamak için kritik öneme sahiptir.
