Günümüzde şirketlerin, müşteri havuzlarından doğru kişilere ulaşarak ürünleri ve hizmetleri pazarlaması oldukça önemli hale gelmiştir. Bu durum, bankacılık ve finans kuruluşları için de geçerlidir, çünkü büyük müşteri kitlesi içinden doğru kişilere ulaşmak maliyetli ve zaman alıcı bir süreç olabilmektedir. Bu doğrultuda kurumlar, ürün ve hizmetleri satın alan müşterileri içerisinden demografik ve finansal verilerini kullanarak makine öğrenmesi tabanlı modellerini arttırmışlardır. Bu modellerin hem doğru kişileri tespit ederek başarılı sonuçlar çıkarması hem de zaman ve para maliyetini azaltması bu teknolojiye olan ilgiyi arttırmıştır. Makine öğrenmesi tabanlı modeller bu doğrultuda sıklıkla kullanım imkânı bulmaktadır.

Bu çalışmada, Portekiz’deki finans kuruluşunu tercih eden müşterilerin vadeli mevduatı alıp almayacağı üzerine tahmin modelleri kurulmuştur. Böylece kuruluş, vadeli mevduata abone olma şansı daha yüksek olan mevcut müşterileri belirleyecek ve pazarlama çabaları ile bu müşterilere odaklanacaktır. Çalışmada; Portekiz’deki finans kuruluşunun, müşterilerini arayarak vadeli mevduat hesabı isteyip istemediği bilgisinin tutulduğu veri seti kullanılmıştır. Veri ön işleme adımları ile modelleme işlemleri otomatik bir şekilde yapılmış ve bunun için “DataBlender” otomatik makine öğrenmesi uygulaması kullanılmıştır. Çalışma sonucunda modeller içerisinden “LightGBM” modeli en başarılı model çıkmıştır. Sonuçlar neticesinde ağaç temelli modellerin başarı ölçütlerinin birbirine yakın olduğu gözlenmiştir. Vadeli mevduat hesabı isteyip istemediği hedef değişkeni üzerindeki etkili değişkenler, model sonucunda bulunarak müşteriye ait özellikler sıralanmıştır.