Perakende sektöründe kümeleme yöntemleri ile müşteri segmentasyonu
Customer segmentation with clustering methods in the retail industry
- Tez No: 1000801
- Danışmanlar: DOÇ. DR. SELÇUK ALP
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Pazarlama dünyası, ürün merkezli çalışmalardan uzaklaşmış, müşterinin önemini anlamış ve müşterinin özelliklerini ilk sıraya koymaya doğru kaymıştır. Günümüzde teknolojinin gelişmesi ve artan rekabet ile birlikte işletme-müşteri ilişkilerinin önemi de artmıştır. Müşteri profilleri oluşturmak, işletmelerin müşterilerini tanıması ve en karlı müşterilerini ayırt etmesi için kritik bir öneme sahiptir. Müşterilerinin tercihlerini anlayan işletmeler, pazarlama ve müşteri ilişkileri yönetimi stratejilerini onlara uyacak şekilde uyarlayabilir, müşterilerinin gereksinimlerini karşılayabilir, sunulan hizmetlerden memnuniyetlerini artırabilir, işletmelerine olan bağlılıklarını artırabilir ve onları tekrar kendilerinden alışveriş yapmaya teşvik edebilir. Bu açıdan bakıldığında, bu çalışmanın amacı, müşterileri RFM metriklerine dayalı olarak kümelere ayırmak ve oluşan kümeleri pazarlama bakış açısıyla yorumlamaktır. Segmentasyon aşamasında hiyerarşik ve hiyerarşik olmayan kümeleme yöntemleri (K-Means, Aglomerative Kümeleme ve DBSCAN Kümeleme) kullanılmış ve elde edilen sonuçlar karşılaştırılmıştır. Bu amaca ulaşmak için İstanbul bölgesinde faaliyet gösteren bir tekstil perakende işletmesinden veri elde edilmiştir. Bir yıllık zaman diliminde e-ticaret aracılığıyla alışveriş yapan 38975 müşterinin alışveriş bilgileri çalışmanın veri setini oluşturmaktadır. Müşteriler tarafından yapılan satın alma sayısına ek olarak, harcadıkları toplam tutarlar ve yapılan son satın alma işleminin ne zaman yapıldığı gibi metrikler kullanılarak en değerli müşterileri ortaya çıkarmak için müşteriler puanlanmıştır. K-Means analizinden daha iyi sonuç alındığı tespit edilmiştir. Kullanılan veri madenciliği yöntemleri sonucunda dört farklı müşteri tipi belirlenmiştir. Oluşan müşteri segmentleri“sadık müşteri”,“potansiyel müşteri”,“yeni müşteri”ve“kayıp müşteri”tipleridir. Çalışmanın sonucunda her bir müşteri profili için özel pazarlama stratejileri sunulmuştur.
Özet (Çeviri)
The marketing world has moved away from product-oriented work, understood customer importance and shifted towards the customer centered practices. Today with tech development and increasing competition, importance of the company-customer relations has also became more important. Creating customer profile is critical for businesses to recognize their customers and distinguish their most profitable customers from others. By understanding their customer behavior, companies can tailor their marketing and customer relationship management strategies in order to suit for them and fulfilling their customer needs, increasing their satisfaction, increasing their loyalty to their business and encouraging them to shop from them again. From this point of view, aim of this study is to categorize customers based-on RFM metrics and interpret the resulting clusters from a marketing perspective. At segmentation phase, hierarchical and non-hierarchical clustering methods (K-Means, Agglomerative clustering and DBSCON clustering) were used and the results were compared. For this reason, data were collected from a textile retail company operating in the Istanbul region to achieve this goal. The data set of the study consists of the shopping information of 38975 customers who shopped from e-commerce in a one-year period. Purchase amount spent by customers are additionally scored to reveal the most valuable customers, with metrics such as the total amount they spent and when the last purchase was made. It was determined that better results were mined from the K-Means analysis. As a result of data mining methods used, four different customer types were determined. The customer segments formed are the followings as“loyal customer”,“potential customer”,“new customer”and“lost customer”types. As a result of the study, profile oriented marketing strategies presented.
Benzer Tezler
- RFM analizi ile müşteri segmentasyonu: Perakende sektöründe bir uygulama
Customer segmentation with RFM analysis: An application in retail industry
SİNEM TAŞDEMİR
Yüksek Lisans
Türkçe
2025
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ABDULLAH FIRAT ÖZDEMİR
- Kümeleme yöntemleri ile müşteri kanal göçü analizi
Customer channel migration analysis with clustering methods
GİZEM ÇALIŞKAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET YASİN ULUKUŞ
- RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data
İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi
MUSTAFA ÇAMLICA
Yüksek Lisans
İngilizce
2022
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FETHİ ÇALIŞIR
- Hızlı moda sektöründe makine öğrenmesi yöntemleri ile satış miktarlarının tahmin edilmesi
Forecasting of sales quantities by machine learning methods in fast fashion sector
SİNEM ÖZTÜRK
Yüksek Lisans
Türkçe
2020
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. SEDA UĞURLU
- K-ortalamalar algoritmasına dayalı kümeleme analizi sistemi ve perakendecilik sektöründe uygulaması
Clustering analysis system based on K-means algorithm and its application in the retail sector
MERVE ÜSTÜNEL
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
PROF. DR. AYLA ŞAYLI