Sağlık Sektöründe Makine Öğrenmesi Yöntemleri Kullanılarak Kayıp Müşteri Analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, ENDÜSTRİ MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: İLKNUR GÜMÜŞ
Danışman: Semih Önüt
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Günümüzde sağlık sektöründe hasta memnuniyeti ve bağlılığının artırılması büyük önem taşımaktadır. Hastaların sağlık hizmetlerinden memnun kalmaması veya çeşitli nedenlerle sağlık kuruluşlarını değiştirmesi, hasta kaybına (churn) yol açmaktadır. Bu çalışmada, makine öğrenmesi algoritmalarıyla hasta kaybının öngörülmesi ve analiz edilmesi amaçlanmıştır. Hasta sadakatinin sağlanması, hastanelerin sürdürülebilirliği ve kaliteli sağlık hizmetleri sunabilmesi açısından kritik bir rol oynamaktadır. Hasta kaybının tahmin edilmesi, hastanelerin stratejik planlar oluşturmasına ve hasta memnuniyetini artırmaya yönelik önlemler almasına olanak tanımaktadır. Bu kapsamda, entropi yöntemiyle ağırlıklandırılmış RFML (Recency, Frequency, Monetary, Length) analizi kullanılarak hasta kaybı değerlendirilmiştir. Her bir tıbbi branş için RFML analizinden elde edilen hasta skorları, istatistiksel olarak dört eşit gruba (çeyreklik dilimlere) ayrılmıştır. Bu işlemde, her hastanın RFML skoruna göre sıralanmasının ardından, en alt %25'lik dilimde yer alan hastalar, "yüksek kayıp riski taşıyan" bireyler olarak tanımlanmış ve "kayıp hasta" etiketi ile sınıflandırılmıştır. Bu yaklaşım, hasta popülasyonunun doğal dağılımına dayalı nesnel bir eşik belirlemeye olanak sağlamaktadır. Etiketleme sonrasında, makine öğrenmesi algoritmaları (LightGBM, Rastgele Orman ve XGBoost) ile churn tahmini yapılmış ve model performansları karşılaştırılmıştır. Hiperparametre optimizasyonu için Optuna (Python tabanlı hiperparametre optimizasyon kütüphanesi) algoritması kullanılarak en iyi model belirlenmiştir. Elde edilen sonuçlar, makine öğrenmesi tabanlı churn analizinin hasta kaybını önlemek için etkili bir yöntem olduğunu göstermektedir. Bu analizler sayesinde sağlık kuruluşları, hasta davranışlarını daha iyi anlayarak hasta sadakatini artırmaya yönelik stratejiler geliştirebilir. Çalışma, sağlık sektöründe veri odaklı karar alma süreçlerine katkı sağlamayı hedeflemektedir.