Veri yoğunluğunun gittikçe arttığı iletişim dünyasında sosyal medya ağları, bağlı cihazlar, müşteri davranışları, devlet portalleri, çağrı veri kayıtları, faturalandırma bilgileri ve benzeri kaynaklar büyük bir miktarda veri üretiyor. Durum böyle olunca, Telekom operatörlerinin veri hacimlerinde yaşanan bu hızlı dalgalanma ile başa çıkmaları gittikçe zorlaşıyor. Fakat Büyük Veri bir yandan Telekom sektörüne zorluk çıkarırken, bir yandan da bu zorluğu Büyük Veri Analizi teknikleriyle fırsat haline dönüştürülmesini sağlıyor.
Nasıl mı? Akıllıca tespit edildiğinde ve profesyonelce analiz edildiğinde muazzam miktardaki veri güçlü içgörüler ortaya çıkarabiliyor. Büyük veri ve ileri düzey veri analizi, Telekom operatörlerine yeni kaynakları ve yeni veri türlerini daha büyük hacimlerde ve gerçek zamanlı olarak kullanmak ve entegre etmek için araçlar ve teknikler sağlıyor.
Kısacası Büyük Veri analizi, operatörlerin hizmet optimizasyonu, müşteri memnuniyeti ve gelirler açısından işletmelerinin genel değerini artırmasına yardımcı olabiliyor. Telekom operatörlerinin hangi durumlarda veri analizlerinden maksimum faydayı sağladığına gelin bir göz atalım:
Geliştirilmiş Müşteri İçgörüleri
Telekom operatörleri, büyük veri analizi yetenekleri sayesinde muazzam yapılandırılmış ve yapılandırılmamış verileri aksiyon alınabilir müşteri içgörülerine dönüştürüyor. Müşterilerin oluşturduğu büyük veri, doğru analiz teknikleri ile telekom operatörlerinin zenginleştirilmiş 360 derece müşteri profili geliştirmesini, müşteri odaklı anahtar performans göstergeleri (KPI) oluşturmasını ve daha hedefli teklifler geliştirmesini sağlıyor.
Gelişmiş veri mimarileri sayesinde operatörler yeni veri türleri de saklayabiliyor, bu verileri daha uzun süre koruyabiliyor ve yeni içgörüler elde etmek için çeşitli veri kümelerini bir araya getirebiliyor. Telekom operatörlerinin anlamlı müşteri içgörülerine ulaşması için hangi müşteri verisi bileşenlerinin dikkate aldıklarını görelim:
Müşteri Bilgileri Verisi: Müşteri kimliği, MSISDN, demografik, kullanılan hizmetler, harcama paternleri, kullanım planı.
Cihaz Verisi: Marka, model, seri, uygulamalar, kullanılan teknoloji, cihaz geçmişi
Kullanım Verisi: CDR, ortalama gelir, VAS (katma değerli hizmetler), mobil internet kullanım bilgileri (URL’ler, harcanan zaman, içerik türü, indirmeler)
Konum Verisi: Güncel konum, en çok ziyaret edilen konum, dolaşım (roaming) verisi, konum hizmetleri kullanımı vb.
Telekom operatörleri çok sayıda müşteriye hizmet verdiğinden, müşteri verilerini doğru analiz ederek (duygu analizi, müşteri kaybı analizi (churn) ve tıklama analizi) müşterileri benzer gruplara ayırmalarına olarak tanıyan mikro-segmentler da oluşturabiliyorlar. Bu da, telekom operatörlerinin her müşteri grubunun ihtiyaçlarını karşılamak, stratejik kararlar almak için çok kritik olan en değerli müşterileri belirlemek ve onlara uygun kampanyalar oluşturmak için müşterilere yaklaşımlarını kişiselleştirmelerini sağlıyor. Örnek olarak:
- Müşteri değeri segmentasyonu ile potansiyel tüketici ömrü değeri (customer lifetime value) yüksek olan sadık müşteriler belirlenebiliyor; hedefli kampanyalar oluşturulup müşteri kaybı (churn) azaltılabiliyor.
- Öngörüsel analiz (predictive analysis) ile satın alma paternlerini tekrar etme ihtimali daha fazla olan yüksek değere sahip müşterileri belirlenebiliyor.
- İlişkisel olmayan müşteri tabanında (non-associative client base) hedef erişimi ve maliyeti azaltmayı ayarlayabilecekleri potansiyel müşteriler belirlenebiliyor.
- Müşteri ihtiyaçlarına, davranışlarına, demografik özelliklerine, cihaz verilerine vb. bağlı olarak her segment için kişiselleştirilmiş ürünler sunabiliyor.
Müşteri Kaybı Tahmini (Churn Prediction)
Müşteriyi elde tutma (customer retention), telekom operatörlerinin karşı karşıya kaldığı en kritik zorluklardan birisi olarak (Endüstri trendleri, özellikle telekomünikasyon sektöründe yılda %20-40’lık bir müşteri kaybının olduğunu gösteriyor), operatörlerin çok fazla çaba ve kaynak harcadıkları en büyük maliyet unsurlarının başında yer alıyor.
Yeni bir müşteri edinmek, eski müşteriyi elde tutmaktan daha pahalı olduğu için müşteri kaybı tahmini operatörler için en önemli önceliklerden birisi oluyor. Öngörüsel müşteri kaybı analizi ve makine öğrenimi (machine learning) algoritmaları toplanan verileri (müşteri kullanımı, işlemler, şikayetler, sosyal medya vb.) kullanarak daha iyi müşteri içgörüleri elde edilmesine olanak sağlıyor. Bunun sayesinde operatörler ayrılma ihtimali olan müşterileri doğru bir şekilde tespit edebiliyor.
Görünmeyen paternleri belirleyen veri madenciliği (data mining) ya da uzun vadeli tahmin ve müşterinin değer kaybının erken tespitini mümkün kılan karar ağaçları (desicion trees) gibi teknikler; operatörlerin müşteri kararlarını etkileyen faktörleri belirlemesine ve olası müşteri kayıplarını kolayca tespit etmek için değişkenler kullanmasına izin veriyor.
Artırılmış Müşteri Deneyimi
Büyük veri analizlerinden elde edilen içgörüler, yüksek performanslı hizmet, hızlı geri bildirim ve kişiselleştirilmiş tekliflerle her temas noktasındaki müşteri deneyimini geliştiriyor.
Günümüzün gelişmiş büyük veri analizi yetenekleri sayesinde operatörler yeni içgörüleri gerçek zamanlı olarak çözümleyerek müşterilerinin abone olma, satın alma veya cevap verme olasılığının en yüksek olduğu zamanda proaktif olarak hizmet/ürün önerebiliyor. Basitçe anlatmak gerekirse, müşteriler tam istedikleri şeyi, istedikleri zamanda elde edebiliyorlar. Müşteri deneyimini güçlendirmeye ek olarak, gerçek zamanlı kişiselleştirilmiş teklifler aynı zamanda operatörlerin satış arttırma (upselling), çapraz satış (cross-selling) ve gelir yükseltme kabiliyetlerini önemli ölçüde geliştiriyor.
Öngörüsel analiz yardımıyla operatörler müşterilerinin kötü bir müşteri deneyimi yaşamaya yaklaşmaları durumunda bunu doğru şekilde öngörebiliyor ya da müşterilerin hizmetlerle ilgili sorunlar yaşamasına neden olan senaryoları önceden belirleyebiliyor. Dolayısı ile operatörler olası tüm kötü deneyimleri iyi deneyimlere dönüştürebiliyorlar veya müşterilerle daha onlar çağrı merkezini aramadan önce iletişim kurabiliyorlar. Operatörler aynı zamanda çağrı merkezi çalışanlarını gerçek zamanlı bilgilendirip bir müşteri aradığında o müşterinin belirli bir yerde veya belirli bir hizmet kullanırken sorun yaşayıp yaşamadığı hakkında çalışanları bilgilendirebiliyor ve kullanıcıya özel çözümler sağlanmış oluyorlar.
Sonuç olarak doğru öngörüler ve kişiye özel teklif ve fiyatlandırma müşteri hizmetleri kalitesinin artırıyor, müşteri memnuniyeti seviyesinin yükseltiyor, ve böylece sadık müşteri kitlesi oluşturuyor.
Artan Gelirler
Büyük veri analizi, karar vermede önemli bir değere sahip olduğu için, operatörlere rekabet üstünlüğü ve daha verimli bir maliyet yapısı oluşturmaya yardımcı olan daha anlamlı içgörüler sunuyor. Bu kapsamda operatörlerin alabileceği bir çok aksiyon bulunuyor;
a. Yeni İş Alanları Yaratma
Müşterilerinin davranış paternleri ile ilgili analizler elde eden operatörler, yeni iş modelleri geliştirebilir ve daha önce denemedikleri yeni niş segmentlere yönelebilirler. Yeni segmentasyonlara göre müşterilere çapraz satış (bağlantılı özellik/ürün) ve Upselling (yeni özellik/ürüne yükseltme) tekliflerini yönlendiren, konuma dayalı ve etkinlik bazlı kampanyalar gibi yenilikçi ürünler ve hizmetler başlatabilirler.
Buna ek olarak, telekom operatörleri, ajanslar, şirketler ve hükümet için değerli olan kitlesel davranış (crowd movement), müşteri davranışı ve ilgileri hakkındaki veriyi anonim bir şekilde müşteri içgörüleri olarak satabilirler. Ayrıca kurumsal müşterilere altyapı, bağlantı ve bulut bilişimi gibi büyük veri ile ilgili profesyonel hizmetler verebilirler.
b.İşletme Optimizasyonu
Büyük veri analizi, operatörlerin daha hedefli (targeted) pazarlama faaliyetleri yoluyla gelirlerini arttırmalarına ve gider ve gelir kayıplarını belirleyerek maliyetleri düşürmelerine yardımcı olan iş optimizasyonu olanağı sağlıyor. Örneğin, operatörler maksimum yatırım getirisi (ROI) yaratmak için pazarlama yatırımlarının etkinliğini analiz edip kanallar arası pazarlama harcamalarını optimize edebiliyorlar. Yukarıda belirttiğimiz gibi büyük veri analizi müşteri kaybı tahmini ile maliyet, zaman ve emek tasarrufu sağlamasına yardımcı oluyor.
Böylece operatör şebekelerindeki büyük miktardaki bilgi, operatörlere veri analizine dayalı daha iyi iş kararları almalarına ve işletmelerinin dijital dönüşümlerinde fark yaratmalarına yardımcı oluyor.
Gelişmiş Hizmet Kalitesi
Büyük veri analizi, operatörlere networklerindeki müşteri içgörü verilerinden istifade ederek bu verilerinin daha kalıcı, optimize edilmiş ve ölçeklenebilir hale getirilmesinde de yardımcı oluyor. Bu da, birçok durumda hizmet kalitesine yansıyor.
a.Ağ (Network) Performansı ve Kapasite Optimizasyonu
Büyük veri analizi, operatörlerin gerçek zamanlı CDR Analizi ile ağ trafiğini analiz ederek arama yönlendirme ve hizmet kalitesini optimize etmelerini sağlıyor. Örneğin, konuma dayalı analizle, 4G özellikli akıllı telefon kullanıcılarının incelenmesi, operatörlerin hangi konumlarda 4G hizmetlerini iyileştirmeleri gerektiğini belirlemelerine veya medya içeriğini daha iyi sunmalarına yardımcı olabiliyor.
Telekomünikasyon şirketleri, özellikle çeşitli pazarlarda faaliyet gösterdiklerinde doğru zamanda kapasite uygunluğu sağlamak için gerekli olan önemli yatırımları onaylamak için talep tahminlerini (demand forecast) kullanıyor. Talep tahminleri, müşteri dinamiklerini ve kapasite optimizasyonunu anlamak için kullanılıyor. Müşteri dinamikleri; bir ürün/hizmeti ilk kez kullanan yeni tüketicilerden, kullanım paternlerini değiştiren mevcut kullanıcılardan, rekabet eden hizmetleri kullanıp alternatif hizmete geçiş yapan kullanıcılardan ya da piyasanın bu bölümünden tamamen çıkmış olan kullanıcılardan oluşturuluyor.
b.Şebeke Altyapı Yönetimi
Telekom şirketleri, trafik yönlendirme ve hizmet şebeke kalitesini optimize etmek için derinlemesine paket denetimine (deep packet inspection) ek olarak gerçek zamanlı hücresel ağ performans ölçümü ve veri trafiği ölçümü yoluyla en optimal ağ yönetimi sağlayabiliyorlar. Örneğin, telekom operatörleri için en önemli zorluklardan birisi olan hattan düşme (call drop) gerçek zamanlı call drop analizi ile operatörlerin çok erken safhalarda bu sorunu eş zamanlı olarak izlemelerine ve çözmelerine olanak tanıyor. Buna ek olarak, ağ hataları Anomali Tespiti (anomaly detection) yardımıyla tahmin edilebiliyor.
Büyük veri analizi ayrıca, bakım çizelgelerini verimli bir şekilde ayarlayıp gerçek zamanlı bilgileri tarihsel verilerle karşılaştırarak proaktif bakıma olanak tanıyor. Makine öğrenimi algoritmaları, ekipmanlar bozulmadan önce onları onararak hem bakım maliyetlerini hem hizmet kesintilerini azaltabiliyor.
Telekom operatörleri yüksek şebeke ve bakım maliyetleri ile karşı karşıya oldukları için gelişmiş analizler; ağ kullanımını optimize ederek ve müşteri deneyimini zenginleştirerek karlılıkları arttırmada ve rekabet üstünlüğü kazanmada byük oranda yardımcı oluyor.
Gelişmiş Güvenlik
Telekom şirketleri, insanlar tarafından kolayca atlanabilen anormal ve hileli faaliyetleri aynı anda tanımlamak ve araştırmak için büyük veri analizi kullanıyor.
Makine Öğrenimi algoritmaları; Anomali Tespiti yardımı ile, müşteri demografisi, duygusal veriler, müşteri kullanım paternleri, coğrafi kullanım eğilimleri, çağrı verileri, tıklama loglarından davranış verileri gibi çok büyük hacimli verileri izleyebiliyor ve çağrı merkezi istatistiklerini destekliyorlar. Bu şekilde, analitik olarak yönlendirilen gözlemle tehdit ve dolandırıcılıkların tespiti ve önlenmesi, operatörlerin beklenmeyen davranış olasılığını öngörmesine yardımcı oluyor.
Örneğin, büyük veri analizi ile operatörler; hırsızlık veya hackleme belirtisi olabilecek uygunsuz telefon görüşmelerini işaretlemek ya da hatalı cevapları veya hileli uzun aramaları derhal tespit etmek için gerçek zamanlı çağrı veri kayıtlarını analiz edebilecek modeller oluşturabiliyor.
Büyük veri analizi, sahte taleplerin talep işleme ekipleri tarafından tespit edilmesi, yetkisiz cihazların tanımlanması, ödeme işlem takibi ve müşteri verilerinin korunması için de kullanılıyor. Üstelik, güvenlik büyük veri analizi ile geliştirildiğinde, telekom şirketleri siber saldırılardan gelen riskleri bulut ve mobil ortamlar yoluyla yönetebiliyor.
Anlaşıldığı üzere, büyük veri analizi çözümleri, telekom operatörlerinin günlük operasyonlarını yönetme biçimini kökten değiştiriyor ve büyük veri ve analizden elde edilen avantajlar zamanla artıyor. Yakın gelecekte, büyük veri analizi ve bilgi stratejilerini takip eden operatörler kendilerini rakiplerinden kesinlikle ayırıyor olacak gibi görünüyor.