Araştırma Makalesi
BibTex RIS Kaynak Göster

A two-step customer complaint management using ensemble learning for the banking industry

Yıl 2023, Cilt: 16 Sayı: 1, 45 - 52, 29.06.2023

Muhammed Mehmet Akgümüş Ali Boyacı

https://doi.org/10.54525/tbbmd.1163852

Öz

In this study; It is aimed to classify all kinds of notifications from customers in the banking sector, then prioritize these classes and give feedback to the customer according to this priority. In this way, it is aimed to produce quick solutions for priority notifications that will ensure customer satisfaction. In the literature review on the classification of data, high accuracy values; It has been observed that it is obtained by Logistic Regression, Long Short Term Memory (LSTM), Multinominal Naive Bayes and Support Vector Machine (SVM) algorithms. For this reason, training and testing processes were carried out using Natural Language Processing (NLP) methods on a real bank data set with these algorithms. With the two-stage approach presented as a new method, it has been achieved to increase the accuracy values above seventy percent by working with a limited number of data sets.

Anahtar Kelimeler

Natural Language Processing Machine Learning Turkish Text Classification Customer Satisfaction Logistic Regression Support Vector Machine Long Short Term Memory Multinominal Naive Bayes

Kaynakça

  • W. Hakiri, “For an efficient complaints management system for banks: A conceptual framework and an exploratory study,” Journal of Marketing Research & Case Studies, vol. 2012, p. 1, 2012.
  • A. Salim, M. Setiawan, R. Rofiaty, F. Rohman et al., “Focusing on complaints handling for customer satisfaction and loyalty: The case of indonesian public banking,” European Research Studies Journal, vol. 21, no. 3, pp. 404–416, 2018
  • X. Lu, Y. Yang, and H. Qin, “The research on personal internet banking service quality and customer loyalty based on complaints handling,” in 2010 International Conference on Management and Service Science. IEEE, 2010, pp. 1–4
  • Z. Eser, M. Pınar, and T. Girard, “Importance of customer complaints: A study of banking industry utilizing the services marketing and branding triangle framework,” Journal of Theory and Practice in Marketing, vol. 2, no. 2, pp. 23–49, 2016
  • S. Harkiranpal, “The importance of customer satisfaction in relation to customer loyalty and retention,” Asia Pacific University, 2006
  • A. Ibrahim, A. Pratiwi, D. I. Meytri, M. A. Kurniawan, N. Yuniarti et al., “Measuring customer satisfaction using crm scorecard in canteen fasilkomunsri,” in 2018 International Conference on Electrical Engineering and Computer Science (ICECOS). IEEE, 2018, pp. 403–408
  • S. Gong, Y. Dai, J. Ji, J. Wang, and H. Sun, “Emotion analysis of telephone complaints from customer based on affective computing,” Computational intelligence and neuroscience, vol. 2015, 2015
  • R. S. A. Corpuz, “Categorizing natural language-based customer satisfaction: an implementation method using support vector machine and long short-term memory neural network,” International Journal of Integrated Engineering, vol. 13, no. 4, pp. 77–91, 2021
  • ——, “An application method of long short-term memory neural network in classifying english and tagalog-based customer complaints, feedbacks, and commendations,” International Journal on Information Technologies and Security, vol. 13, no. 1, p. 2021, 2021
  • R. A. Laksono, K. R. Sungkono, R. Sarno, and C. S. Wahyuni, “Sentiment analysis of restaurant customer reviews on tripadvisor using na ̈ıve bayes,” in 2019 12th International Conference on Information & Communication Technology and System (ICTS). IEEE, 2019, pp. 49–54
  • Z. S. Harris, “Distributional structure,” Word, vol. 10, no. 2-3, pp. 146–162, 1954
  • W. A. Qader, M. M. Ameen, and B. I. Ahmed, “An overview of bag of words; importance, implementation, applications, and challenges,” in 2019 International Engineering Conference (IEC). IEEE, 2019, pp. 200–204
  • A. Kumar, V. Dhanalakshmi, R. Rekha, K. Soman, S. Rajendran et al., “Morphological analyzer for agglutinative languages using machine learning approaches,” in 2009 International Conference on Advances in Recent Technologies in Communication and Computing. IEEE, 2009, pp. 433–435.
  • M. Kintz, C. Dukino, M. Blohm, and M. Hanussek, “Make your customers happy again: Ai and nlp for a customer complaint management platform,” 2020
  • E. Yıldırım, F. S. Çetin, G. Eryiğit, and T. Temel, “The impact of nlp on turkish sentiment analysis,” Türkiye Bilis ̧im Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, vol. 7, no. 1, pp. 43–51, 2015.
  • R. Gavval, V. Ravi, K. R. Harshal, A. Gangwar, and K. Ravi, “Cuda-self-organizing feature map based visual sentiment analysis of bank customer complaints for analytical crm,” arXiv preprint arXiv:1905.09598, 2019.
  • D. Gupta, P. Lenka, H. Bedi, A. Ekbal, and P. Bhattacharyya, “Auto analysis of customer feedback using cnn and gru network,” arXiv preprint arXiv:1710.04600, 2017.
  • D. W. Hosmer Jr, S. Lemeshow, and R. X. Sturdivant, Applied logistic regression. John Wiley & Sons, 2013, vol. 398
  • M. Y. H. Setyawan, R. M. Awangga, and S. R. Efendi, “Comparison of multinomial naive bayes algorithm and logistic regression for intent classification in chatbot,” in 2018 International Conference on Applied Engineering (ICAE). IEEE, 2018, pp. 1–5
  • S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural computation, vol. 9, no. 8, pp. 1735–1780, 1997
  • X. Bai, “Text classification based on lstm and attention,” in 2018 Thirteenth International Conference on Digital Information Management (ICDIM). IEEE, 2018, pp. 29–32.
  • G. Singh, B. Kumar, L. Gaur, and A. Tyagi, “Comparison between multinomial and bernoulli na ̈ıve bayes for text classification,” in 2019 International Conference on Automation, Computational and Technology Management (ICACTM). IEEE, 2019, pp. 593–596
  • C. Cortes and V. Vapnik, “Support-vector networks,” Machine learning, vol. 20, no. 3, pp. 273–297, 1995,
  • Z. Liu, X. Lv, K. Liu, and S. Shi, “Study on svm compared with the other text classification methods,” in 2010 Second international workshop on education technology and computer science, vol. 1. IEEE, 2010, pp. 219–222.

Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi

Yıl 2023, Cilt: 16 Sayı: 1, 45 - 52, 29.06.2023

Muhammed Mehmet Akgümüş Ali Boyacı

https://doi.org/10.54525/tbbmd.1163852

Öz

Bu çalışmada; bankacılık sektöründe müşterilerden gelen her türlü bildirimlerin sınıflandırılması, sonrasında bu sınıfların önceliklendirilmesi ve bu önceliğe göre müşteriye geri bildirim verilmesi amaçlanmıştır. Bu sayede müşteri memnuniyeti sağlayacak öncelikli bildirimlere hızlı çözüm üretilebilmesi hedeflenmiştir. Verilerin sınıflandırılmasıyla ilgili yapılan literatür taramasında yüksek doğruluk değerlerinin; Lojistik Regresyon, Uzun Kısa Süreli Bellek, Multinominal Naive Bayes ve Destek Vektör Makinesi algoritmaları ile elde edildiği gözlemlenmiştir. Bu sebeple bu algoritmalarla gerçek bir banka veri seti üzerinde Doğal Dil İşleme (Natural Language Processing - NLP) yöntemleri kullanılarak eğitim ve sınama işlemleri gerçekleştirilmiştir. Yeni bir yöntem olarak sunulan iki aşamalı yaklaşımla sınırlı sayıda veri setiyle çalışılarak doğruluk değerlerini yüzde yetmişin üzerine çıkarılması başarılmıştır.

Anahtar Kelimeler

Doğal Dil İşleme Makine Öğrenimi Türkçe Metin Sınıflandırma Müşteri Memnuniyeti Logistic Regresyon Destek Vektör Makinesi Uzun Kısa Süreli Hafıza Multinominal Naive Bayes

Kaynakça

  • W. Hakiri, “For an efficient complaints management system for banks: A conceptual framework and an exploratory study,” Journal of Marketing Research & Case Studies, vol. 2012, p. 1, 2012.
  • A. Salim, M. Setiawan, R. Rofiaty, F. Rohman et al., “Focusing on complaints handling for customer satisfaction and loyalty: The case of indonesian public banking,” European Research Studies Journal, vol. 21, no. 3, pp. 404–416, 2018
  • X. Lu, Y. Yang, and H. Qin, “The research on personal internet banking service quality and customer loyalty based on complaints handling,” in 2010 International Conference on Management and Service Science. IEEE, 2010, pp. 1–4
  • Z. Eser, M. Pınar, and T. Girard, “Importance of customer complaints: A study of banking industry utilizing the services marketing and branding triangle framework,” Journal of Theory and Practice in Marketing, vol. 2, no. 2, pp. 23–49, 2016
  • S. Harkiranpal, “The importance of customer satisfaction in relation to customer loyalty and retention,” Asia Pacific University, 2006
  • A. Ibrahim, A. Pratiwi, D. I. Meytri, M. A. Kurniawan, N. Yuniarti et al., “Measuring customer satisfaction using crm scorecard in canteen fasilkomunsri,” in 2018 International Conference on Electrical Engineering and Computer Science (ICECOS). IEEE, 2018, pp. 403–408
  • S. Gong, Y. Dai, J. Ji, J. Wang, and H. Sun, “Emotion analysis of telephone complaints from customer based on affective computing,” Computational intelligence and neuroscience, vol. 2015, 2015
  • R. S. A. Corpuz, “Categorizing natural language-based customer satisfaction: an implementation method using support vector machine and long short-term memory neural network,” International Journal of Integrated Engineering, vol. 13, no. 4, pp. 77–91, 2021
  • ——, “An application method of long short-term memory neural network in classifying english and tagalog-based customer complaints, feedbacks, and commendations,” International Journal on Information Technologies and Security, vol. 13, no. 1, p. 2021, 2021
  • R. A. Laksono, K. R. Sungkono, R. Sarno, and C. S. Wahyuni, “Sentiment analysis of restaurant customer reviews on tripadvisor using na ̈ıve bayes,” in 2019 12th International Conference on Information & Communication Technology and System (ICTS). IEEE, 2019, pp. 49–54
  • Z. S. Harris, “Distributional structure,” Word, vol. 10, no. 2-3, pp. 146–162, 1954
  • W. A. Qader, M. M. Ameen, and B. I. Ahmed, “An overview of bag of words; importance, implementation, applications, and challenges,” in 2019 International Engineering Conference (IEC). IEEE, 2019, pp. 200–204
  • A. Kumar, V. Dhanalakshmi, R. Rekha, K. Soman, S. Rajendran et al., “Morphological analyzer for agglutinative languages using machine learning approaches,” in 2009 International Conference on Advances in Recent Technologies in Communication and Computing. IEEE, 2009, pp. 433–435.
  • M. Kintz, C. Dukino, M. Blohm, and M. Hanussek, “Make your customers happy again: Ai and nlp for a customer complaint management platform,” 2020
  • E. Yıldırım, F. S. Çetin, G. Eryiğit, and T. Temel, “The impact of nlp on turkish sentiment analysis,” Türkiye Bilis ̧im Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi, vol. 7, no. 1, pp. 43–51, 2015.
  • R. Gavval, V. Ravi, K. R. Harshal, A. Gangwar, and K. Ravi, “Cuda-self-organizing feature map based visual sentiment analysis of bank customer complaints for analytical crm,” arXiv preprint arXiv:1905.09598, 2019.
  • D. Gupta, P. Lenka, H. Bedi, A. Ekbal, and P. Bhattacharyya, “Auto analysis of customer feedback using cnn and gru network,” arXiv preprint arXiv:1710.04600, 2017.
  • D. W. Hosmer Jr, S. Lemeshow, and R. X. Sturdivant, Applied logistic regression. John Wiley & Sons, 2013, vol. 398
  • M. Y. H. Setyawan, R. M. Awangga, and S. R. Efendi, “Comparison of multinomial naive bayes algorithm and logistic regression for intent classification in chatbot,” in 2018 International Conference on Applied Engineering (ICAE). IEEE, 2018, pp. 1–5
  • S. Hochreiter and J. Schmidhuber, “Long short-term memory,” Neural computation, vol. 9, no. 8, pp. 1735–1780, 1997
  • X. Bai, “Text classification based on lstm and attention,” in 2018 Thirteenth International Conference on Digital Information Management (ICDIM). IEEE, 2018, pp. 29–32.
  • G. Singh, B. Kumar, L. Gaur, and A. Tyagi, “Comparison between multinomial and bernoulli na ̈ıve bayes for text classification,” in 2019 International Conference on Automation, Computational and Technology Management (ICACTM). IEEE, 2019, pp. 593–596
  • C. Cortes and V. Vapnik, “Support-vector networks,” Machine learning, vol. 20, no. 3, pp. 273–297, 1995,
  • Z. Liu, X. Lv, K. Liu, and S. Shi, “Study on svm compared with the other text classification methods,” in 2010 Second international workshop on education technology and computer science, vol. 1. IEEE, 2010, pp. 219–222.
Toplam 24 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Konular Mühendislik
Bölüm Makaleler(Araştırma)
Yazarlar

Muhammed Mehmet Akgümüş 0000-0002-3152-6959

Ali Boyacı 0000-0002-2553-1911

Erken Görünüm Tarihi 29 Haziran 2023
Yayımlanma Tarihi 29 Haziran 2023
Yayımlandığı Sayı Yıl 2023 Cilt: 16 Sayı: 1

Kaynak Göster

APA Akgümüş, M. M., & Boyacı, A. (2023). Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, 16(1), 45-52. https://doi.org/10.54525/tbbmd.1163852
AMA Akgümüş MM, Boyacı A. Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi. TBV-BBMD. Haziran 2023;16(1):45-52. doi:10.54525/tbbmd.1163852
Chicago Akgümüş, Muhammed Mehmet, ve Ali Boyacı. “Bankacılık sektörü için Topluluk öğrenimini Kullanan Iki aşamalı Bir müşteri şikayet yönetimi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi 16, sy. 1 (Haziran 2023): 45-52. https://doi.org/10.54525/tbbmd.1163852.
EndNote Akgümüş MM, Boyacı A (01 Haziran 2023) Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 16 1 45–52.
IEEE M. M. Akgümüş ve A. Boyacı, “Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi”, TBV-BBMD, c. 16, sy. 1, ss. 45–52, 2023, doi: 10.54525/tbbmd.1163852.
ISNAD Akgümüş, Muhammed Mehmet - Boyacı, Ali. “Bankacılık sektörü için Topluluk öğrenimini Kullanan Iki aşamalı Bir müşteri şikayet yönetimi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri ve Mühendisliği Dergisi 16/1 (Haziran 2023), 45-52. https://doi.org/10.54525/tbbmd.1163852.
JAMA Akgümüş MM, Boyacı A. Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi. TBV-BBMD. 2023;16:45–52.
MLA Akgümüş, Muhammed Mehmet ve Ali Boyacı. “Bankacılık sektörü için Topluluk öğrenimini Kullanan Iki aşamalı Bir müşteri şikayet yönetimi”. Türkiye Bilişim Vakfı Bilgisayar Bilimleri Ve Mühendisliği Dergisi, c. 16, sy. 1, 2023, ss. 45-52, doi:10.54525/tbbmd.1163852.
Vancouver Akgümüş MM, Boyacı A. Bankacılık sektörü için topluluk öğrenimini kullanan iki aşamalı bir müşteri şikayet yönetimi. TBV-BBMD. 2023;16(1):45-52.
 Kapak Resmi İndir

https://i.creativecommons.org/l/by-nc/4.0Makale Kabulü

 

Çevrimiçi makale yüklemesi yapmak için kullanıcı kayıt/girişini kullanınız.

Dergiye gönderilen makalelerin kabul süreci şu aşamalardan oluşmaktadır:

1.       Gönderilen her makale ilk aşamada en az iki hakeme gönderilmektedir.

2.       Hakem ataması, dergi editörleri tarafından yapılmaktadır. Derginin hakem havuzunda yaklaşık 200 hakem bulunmaktadır ve bu hakemler ilgi alanlarına göre sınıflandırılmıştır. Her hakeme ilgilendiği konuda makale gönderilmektedir. Hakem seçimi menfaat çatışmasına neden olmayacak biçimde yapılmaktadır.

3.       Hakemlere gönderilen makalelerde yazar adları kapatılmaktadır.

4.       Hakemlere bir makalenin nasıl değerlendirileceği açıklanmaktadır ve aşağıda görülen değerlendirme formunu doldurmaları istenmektedir.

5.       İki hakemin olumlu görüş bildirdiği makaleler editörler tarafından benzerlik incelemesinden geçirilir. Makalelerdeki benzerliğin %25’ten küçük olması beklenir.

6.       Tüm aşamaları geçmiş olan bir bildiri dil ve sunuş açısından editör tarafından incelenir ve gerekli düzeltme ve iyileştirmeler yapılır. Gerekirse yazarlara durum bildirilir.

 88x31.png   Bu eser Creative Commons Atıf-GayriTicari 4.0 Uluslararası Lisansı ile lisanslanmıştır.