Yapay Zeka Destekli Web Projesi...
- Temmuz 3, 2024
Havayolu müşteri memnuniyetini analizini içeren proje, büyük veri ve makine öğrenimi tekniklerini kullanarak müşteri memnuniyetine etki eden faktörleri belirlemeyi amaçlıyor. Proje, 103 bin müşteri değerlendirmesi üzerinde random forest algoritması kullanılarak gerçekleştirildi ve çeşitli teknolojiler ile yapılandırıldı.
Bu projede, random forest algoritması kullanılarak müşteri memnuniyetine etki eden faktörlerin analizi yapıldı. Random forest, birden çok karar ağacından oluşan ve daha doğru tahminler yapabilen bir makine öğrenimi algoritmasıdır. Bu algoritma, müşterilerin çeşitli faktörlere yönelik değerlendirmelerini analiz ederek hangi faktörlerin müşteri memnuniyeti üzerinde daha fazla etkili olduğunu belirlemekte kullanıldı.
Proje kapsamında, 103 bin müşteri değerlendirmesi kullanılarak model eğitildi. Bu veri seti, müşteri memnuniyetini etkileyen çeşitli faktörler hakkında bilgi içeriyor. Müşterilerin koltuk mesafesi, Wi-Fi hizmeti gibi konulara verdikleri puanlar, memnuniyet analizi için temel verileri oluşturdu.
Bu proje, büyük veri analizi üzerine odaklanmaktadır. Müşteri değerlendirmelerinin sayısı ve çeşitliliği, analizlerin daha kapsamlı ve güvenilir olmasını sağladı. Örneğin, analizler sonucunda müşterilerin koltuk mesafesine çok önem vermediği, ancak Wi-Fi hizmetine büyük önem verdiği belirlendi.
Proje, Google Colab platformunda geliştirildi. Colab, Python kodlarının bulut üzerinde çalıştırılmasına olanak tanıyan ve makine öğrenimi projeleri için gerekli olan araçları sağlayan bir platformdur. Bu sayede, büyük veri setleri ve karmaşık modeller kolaylıkla yönetildi.
Proje kapsamında, Python ve Flask kullanılarak bir API yazıldı. Bu API, müşterilerin belirli faktörlere verdikleri puanlara göre genel memnuniyet seviyelerini tahmin etmek için kullanıldı. Flask, hafif ve esnek bir web framework olarak API geliştirme sürecini kolaylaştırdı.
Projenin temel amacı, müşterilerin çeşitli faktörlere verdikleri puanların genel memnuniyet üzerinde nasıl bir etkisi olduğunu analiz etmektir. Örneğin, analizler sonucunda müşterilerin koltuk mesafesine çok fazla önem vermediği, ancak Wi-Fi hizmetine büyük önem verdiği belirlenmiştir. Bu bilgiler, havayolu şirketlerinin hizmetlerini iyileştirmek ve müşteri memnuniyetini artırmak için stratejik kararlar almasına yardımcı olabilir.
Bu proje, büyük veri ve makine öğrenimi tekniklerini kullanarak müşteri memnuniyeti analizi yapma konusunda önemli bir deneyim kazandırdı. Random forest algoritmasının kullanımı, büyük veri setlerinin yönetimi ve API geliştirme konularında yetkinlikler artırıldı. Ayrıca, havayolu müşteri memnuniyetini iyileştirmek için veri odaklı stratejilerin belirlenmesine katkı sağladı.
Yorum Bırakın