Customer churn is gained importance for companies because of increasing competition become more important of marketing strategies, more conscious act of the customer in recent years. Giving promotions, discounts or gifts can prevent the customer who is predicted as churn. Thus companies will be able to get more profits in the long run. However, predictions which will be incorrect can cause to behave nonchurn customer as if churn. This mean is giving unnecessarly promotions or gifts to customer. In other words it is unnecessary waste of money for companies. For this reason, correct prediction of churn customer is very important for companies. Information of formerly churn customers is used to create customer churn prediction model.Quality of customer churn prediction model depends on two important factors. These are the available data and data mining techniques. In these research, various data mining techniques are used and hybrid models are tried to increase performance in order to correct prediction of churn customer for companies which service in telecommunication sector. Performed pre-processing steps and hybrid classification techniques are compared with classic classification models. In order to decrease run time of classification techniques and increase success, feature reduction process was applied and performance was measured. These processes are tried in two dataset that were taken two different American Telecommunication companies. Recall, precision and F-measure are used as performance criteria.

Son yıllarda önemli ölçüde artan rekabet ortamında, müşterilerin kolayca alternatif hizmetlere yönelebilmelerinden dolayı şirketlerin stratejilerinde ayrılacak müşteriyi önceden tahmin etmek önem kazanmıştır. Ayrılacağı önceden tahmin edilen müşterilere promosyon, indirim, hediye ya da avantajlar sağlanması müşterinin ayrılmasını engelleyebilecek ve böylece şirketler uzun vadede daha fazla kâr elde edebileceklerdir. Ancak yapılacak yanlış tahminler, ayrılmayacak müşteriye ayrılacakmış gibi davranmamıza neden olabilir. Bu da müşteriye gereksiz promosyon ya da hediye uygulanmasını gerektirir. Yani şirket için bunun anlamı, gereksiz para kaybıdır. Bu nedenle ayrılacak müşteriyi doğru tahmin etmekte şirketler için önemlidir. Ayrılacak müşteri tahmin modelini oluşturmak için de eskiden ayrılmış müşterilerin verileri kullanılır.Müşteri sadakati tahmin modelinin kalitesi iki önemli faktöre bağlıdır. Bunlar, müşteri sadakatini elde etmek amacıyla kullanılan eldeki veriler ve veri madenciliği yöntemleridir. Bu çalışmada da telekomünikasyon sektöründe hizmet veren şirketler için ayrılacak müşterileri önceden tahmin edebilmek amacıyla çeşitli veri madenciliği teknikleri kullanılmış ve başarıyı artırmak için melez modeller denenmiştir. Yapılan veri ön işlem adımları ve melez sınıflandırma teknikleri, klasik sınıflandırma teknikleriyle karşılaştırılmıştır. Sınıflandırma tekniklerinin çalışma süresini düşürmek ve başarımını artırmak amacıyla öznitelik sayısı azaltılarak da denemeler yapılmış ve performansları ölçülmüştür. Bu işlemler 2 farklı Amerikan telekomünikasyon şirketinden alınan veriler üzerinde denenmiş ve performans ölçütü olarak Geri Çağırma Oranı, Kesinlik Oranı ve F-Ölçütü kullanılmıştır.