Proje İçeriği

İş birimleri ve süreçlerinin oluşturduruğu büyük veriyi firma ERP ve CRM sistemleri üzerinde işlemektedir. Bu büyük verinin anlamlı, sınıflandırılabilir, satış süreçlerine destek olabilir ve gelire dönüştürülebilir hale getirilmesi için Otokoç Otomotiv Churn, Upsell, Cross Sell Alışveriş Tahminleme Projesi gerçekleştirilmiştir. Bu proje kapsamında Otokoç Otomotiv Kiralama işbirimi altındaki, Avis ve Budget markalarına hizmet edecek Upsell, Cross-sell, Churn analitik tahminleme modellerinin kurulmuş ve kiralamaya ek olarak perakende işbirimleri altındaki Otokoç, Birmot, Otokoçparça, Zipcar markaları için tanımlayıcı analitik çalışmaları yapılmıştır. Modellemeler Python diliyle yapılmıştır. Projenin model aşaması neticesindeki raporlama ve görselleştirme süreçleri Microsoft PowerBI ortamında yapılmıştır. Otokoç Otomotiv mevcut Microsoft Dynamics CRM Projesi ile firmanın araç kiralama ve araç satışı perakende müşterilerinin segmentasyon raporlarını oluşturmaktaydı. Bu raporlar neticesinde araç kiralama ve araç satışı iş birimlerinde müşteriyi elde tutma ve terk edecek (churn) müşteriyi önceden tahmin edebilme konuların da değerlendirilmesi gerektiği öne çıkmıştır. Buna bağlı olarak bu proje ile doğrudan gelir artırıcı, araç kiralama esnasında en uygun ek ürünlerin ve müşteriye en uygun daha yüksek araç gruplarının önerilmesi gibi daha önce olmayan süreçler oluşturulmuştur. Firma içerisinde müşteri ticari verilerinin Bu proje daha önce örnekleri görülen bankacılık, e-ticaret ve perakende sektörü büyük veri projelerinden farklı olarak satın alma sıklığı ve sepet hacmi birbirinden çok farklı müşteri kitlelerini birlikte analiz edebilmesi ile ayrışmaktadır. Projeyle mevcut sadakat kurallarına ek, prechurn kavramı getirilmiş ve müşteri kaybı yaşanmadan önce riskli müşterilere yönelik aksiyon alınabilmesi sağlanmıştır. Otomotiv sektörünün doğası gereği müşterilerden modelleme için faydalı olabilecek birçok özelliğin alınması zorunlu olmadığı için, proje öncesinde prechurn tahminlemesi için kullanılabilecek müşteri özelliklerine yönelik veri bulunmamaktaydı. Bu sebeple proje kapsamında alış veriş alışkanlıklarına yönelik yeni özellikler oluşturulmaya çalışılmış ve müşteri mikro segmentasyon çalışması yapılmıştır. Mikro segmentasyon kapsamında, müşteri alışveriş, ürün ve zaman kırılımlarında gruplar oluşturularak, sonuçlar, analitik modellerde kullanılmıştır. Upsell ve cross sell çalışmalarıyla müşterilere bir üst alış veriş segmenti önerisi ve en çok alma ihtimalleri olan ek ürün önerileri, modellere ve veriye dayalı olarak getirilmeye başlanmıştır.

Projenin Amacı

Bu proje ile doğrudan gelir artırıcı, araç kiralama esnasında en uygun ek ürünlerin ve müşteriye en uygun daha yüksek araç gruplarının önerilmesi gibi daha önce olmayan süreçler oluşturulmuştur.

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

• AI algoritmalar kullanılarak oluşturulan model kendi kendine öğrenen ağ sistemleri ile birleştirilmiştir. böylelikle değişken verilere göre sürekli doğruluk %90 üzerinde olmaktadır. • Mevcut Microsoft Dynamics CRM verilerinin proje başında incelemesi ile temizlenmesi, analitik araçlarına uygun şekilde birleştirilmesi ve dönüştürerek data mart oluşturulması süreciyle firma içerisinde veri temizliği ve kalitesinde artış sağlanmıştır. • Araç kiralama müşterilerinin daha önce hiç ortaya çıkarılmamış satınalma anındaki davranışsal özellikleri ortaya çıkarılmış ve sınıflandırılmıştır. • Model kendi kesinlik (accuracy), hassasiyet (recall) ve tahminleme doğruluğu (precision) değerlerini kontrol edilebilir şekilde göstererek; müşteri davranışları değiştiğinde farklı modellere ihtiyaç oluşacağını bilgisini son kullanıcıya vermektedir

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

Kiralama, IT, Pazarlama, IK

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

Proje süresince üst yönetim gerekli desteği sağlamıştır

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

• AVIS ve BUDGET mevcut segmentasyon raporlarımıza göre toplam kayıp müşteri havuzundan %2,41’ini o yıl içerisinde tekrar kazanıyor. Hedef prechurn listesindeki müşterilere özel faydalar sağlayarak bu oranı 2020 için %3,5’e yükseltmekdir. • AVIS ve BUDGET mevcut segmentasyon raporlarına göre son 1 yıl içerisinde çalıştığı müşterilerinin %2,65’ini o yıl içerisinde kayıp ediyor. Hedef prechurn listesindeki müşterilere özel faydalar sağlayarak bu oranı 2020 için %1’e düşürmektir. • Yapılan SMS ve telefon araması bazlı iletişim çalışmalarından, pilot çalışmada churn edeceği tahmin edilen müşterilerden toplam 3,8 Milyon TL ciro elde edilmiştir. 2020 hedefi 14,1M TRY’dir, 2021 hedefi ise 15,8 Milyon TL’dir.

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

IT, 2 Kişi Pazarlama, 4 kişi KoçDigital, 5 kişi

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

KoçDigital

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

Python