Akademik Veri Yönetim Sistemi
4th International Graduate Studies Congress, 5 - 08 Haziran 2024, ss.945-946
Günümüzde tavsiye sistemleri işletmelere satışlarını artırmak adına doğru ürünü doğru zamanda doğru müşteriye önermesine yardımcı olmaktadır. Artan rekabet ortamında tavsiye sistemleri işletmeler için kritik bir role sahiptir. Tavsiye sistemlerinin kullanıldığı en önemli sektörlerden biri de bankacılıktır. Finansal ürün çeşitliliğinin artması ile birlikte, bireylerin kendi ihtiyaçlarına uygun ürünleri seçmesi giderek daha karmaşık hale gelmiştir. Yapay zekâ (AI) tabanlı tavsiye sistemleri bu karmaşıklığı çözüm sunma noktasında büyük bir potansiyel taşımaktadır. Bankalar ürün satışında yapay zekâ tabanlı tavsiye sistemleri kullanarak satış stratejilerini geliştirmektedir. Tavsiye sistemleri genellikle bireylerin tercih ettikleri ürünler hakkında geri bildirimde bulundukları işbirlikçi bir yaklaşım kullanır ve genellikle zamandan bağımsız verilerden beslenir. Bununla birlikte, yapılan araştırmalar sonucu bankacılık ekosisteminde finansal ürünler için bir puanlama mekanizması bulunmamaktadır. Ek olarak zamana dayalı verilerin, bireysel ürün tercihlerini anlamada çok önemli bir role sahip olduğu düşünülmektedir. Tavsiye sistemlerinin başarılı sonuçlar vermesi için verinin analizi ve ön hazırlığı mühim bir konudur. Yapılan bu çalışma, yapay zekâ tabanlı tavsiye sistemleri için özel bir katılım bankasının bireysel müşterilerinden alınan anonimleştirilmiş verilerinin analizini ve ön hazırlığını içermektedir. Veri madenciliği algoritması ile müşterilerin standart demografik verileri kullanılarak müşteri kümeleri oluşturulmuştur. Çalışma, bankacılık sektöründeki yapay zekâ tabanlı tavsiye sistemlerine katkısını ve modelin operasyonel performansını değerlendirmektedir. Bu çalışmanın devamında yapay zekâ tabanlı tavsiye sistemi yapılması planlanmaktadır.
Today, recommender systems help businesses recommend the right product to the right customer at the right time to increase sales. In an increasingly competitive environment, recommender systems have a critical role for businesses. One of the most important sectors where recommender systems are used is banking. With the increase in the variety of financial products, it has become increasingly complex for individuals to choose products that suit their needs. Artificial intelligence (AI)-based recommender systems have great potential to solve this complexity. Banks are developing their sales strategies by using AI-based recommender systems in product sales. Recommender systems generally use a collaborative approach where individuals provide feedback on their preferred products and are usually fed by time-independent data. However, research shows that there is no scoring mechanism for financial products in the banking ecosystem. In addition, time-based data is considered to have a crucial role in understanding individual product preferences. The analysis and preparation of data is an important issue for recommendation systems to provide successful results. This study involves the analysis and preparation of anonymized data from individual customers of a private participation bank for artificial intelligence-based recommender systems. Customer clusters were created using standard demographic data of customers with a data mining algorithm. The study evaluates the operational performance of the model and its contribution to artificial intelligence-based recommender systems in the banking sector. In the continuation of this study, an artificial intelligence based recommender system is planned.