AI product roadmap and prioritization solution forSaaS development companies
Saas geliştirme şirketleri için yapay zeka ürün yol haritası ve önceliklendirme çözümü
- Tez No: 1003351
- Danışmanlar: PROF. DR. BÜLENT SEZEN
- Tez Türü: Yüksek Lisans
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Gebze Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, SaaS (Software-as-a-Service – Hizmet Olarak Yazılım) ürün yol haritalarında yapay zekâ yatırımlarının önceliklendirilmesi için değerleme temelli bir çerçeve geliştirmekte ve şirket temelleri ile piyasa değerlemeleri arasındaki ilişkiyi ampirik olarak incelemektedir. Çalışmada, 82 sektör sınıflandırmasına yayılan 94 SaaS şirketinden oluşan bir veri seti kullanılarak değerleme belirleyicilerini analiz etmek amacıyla ElasticNet ve Random Forest gibi makine öğrenimi teknikleri uygulanmış; ayrıca şirket arketiplerini belirlemek üzere gözetimsiz kümeleme yöntemlerinden yararlanılmıştır. Araştırma, temel değerleme desenleri, şirket sınıflandırması ve sektör düzeyinde değerleme dinamikleriyle ilgili soruları başarıyla ele almakta; veri ayrıştırma hatalarının başlangıçta gerçekçi olmayan değerler üretmesi sonrasında bu hataların giderilmesiyle gerçekleştirilen analiz, anlamlı iş modeli özellikleri taşıyan üç farklı arketip ortaya koymaktadır. Arketip 0, Established Enterprises (Yerleşik Büyük İşletmeler), yıllık ortalama 5,25 milyar dolar gelir ve 18.500 çalışanla otuz şirketten oluşmakta olup Microsoft, Salesforce ve Oracle gibi sektör liderlerini içermektedir. Arketip 1, High-Growth Scalers (Yüksek Büyüme Gösteren Ölçekleyiciler), ortalama 842 milyon dolar gelir ve 2.400 çalışandan oluşan elli yedi şirket içermekte ve yaklaşık 351.000 dolarlık çalışan başına gelir düzeyiyle yüksek verimlilik göstermektedir. Arketip 2, Emerging Ventures (Yükselen Girişimler), ortalama 135 milyon dolar gelir ve 450 çalışana sahip yedi şirketten oluşmakta ve uzmanlaşmış segmentlerde konumlanan erken aşama girişimleri temsil etmektedir. Ampirik olarak doğrulanan bu arketipler, şirketlerin olgunluk seviyelerine ve kaynak kısıtlarına göre yapay zekâ yatırım stratejilerinin uyarlanabilmesi için sağlam bir temel sunmaktadır.
Özet (Çeviri)
This study develops a valuation-based framework for prioritizing artificial intelligence investments in SaaS (Software-as-a-Service) product roadmaps by empirically examining the relationship between company fundamentals and market valuations. Using a dataset of 94 SaaS companies across 82 industry classifications, the research employs machine learning techniques including ElasticNet and Random Forest models to analyze valuation drivers and unsupervised clustering to identify company archetypes. The study successfully addresses research questions concerning fundamental valuation patterns, company classification, and industry-level valuation dynamics. The clustering analysis identified three distinct SaaS company archetypes with meaningful business model characteristics following resolution of data parsing errors that initially produced implausible values. Archetype 0, designated Established Enterprises, comprises thirty companies averaging 5.25 billion dollars in annual recurring revenue with 18,500 employees, including industry leaders such as Microsoft, Salesforce, and Oracle. Archetype 1, representing High-Growth Scalers, contains fifty-seven companies averaging 842 million dollars in revenue with 2,400 employees, demonstrating efficient unit economics with revenue per employee of approximately 351,000 dollars. Archetype 2, comprising Emerg-ing Ventures, includes seven companies averaging 135 million dollars in revenue with 450 employees, representing earlier-stage market entrants establishing presence in specialized segments. These empirically validated archetypes provide a foundation for tailoring AI investment strategies to company maturity stage and resource constraints.
Benzer Tezler
- Ar-Ge projelerinde risk ve performans yönetiminde ödül-ceza modelleri ve hibrit çok kriterli karar verme karşılaştırılması
Comparison of reward-penalty models and hybrid multi-criteria deci̇si̇on maki̇ng i̇n R&D project ri̇sk and performance management
EZGİ GÜL DİNÇER
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiMühendislik Yönetimi Ana Bilim Dalı
DOÇ. DR. SAFİYE SENCER
- Ürün geliştirme projeleri için yalın ilkelere dayalı melez proje kontrol sistemi tasarımı
Hybrid project control system design for product development projects based on lean principles
SERDAR BAYSAN
Doktora
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
- Sürdürülebilir moda tasarımı ve LC waikiki örneği
Sustainable fashion design and the LC waikiki case study
BEYAZ ATMAN
Yüksek Lisans
Türkçe
2025
Tekstil ve Tekstil MühendisliğiÇukurova ÜniversitesiTekstil ve Moda Tasarımı Ana Bilim Dalı
PROF. DR. FATMA ENGİN ALPAT
- Demontaj hatlarında sıralama ve dengeleme problemine yönelik yapay zekâ tabanlı yaklaşımlar: Sistematik bir literatür analizi
Artificial intelligence-based approaches to sequencing and balancing problems in disassembly lines: A systematic literature review
ALEYNA ERDOĞAN
Yüksek Lisans
Türkçe
2025
Endüstri ve Endüstri MühendisliğiPamukkale ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. CAN BERK KALAYCI
- Sigorta sektöründe yapay zekânın rolü: Operasyonel verimlilik ve müşteri deneyimi üzerine bir inceleme
The role of artificial intelligence in the insurance sector: An examination on opera-tional efficiency and customer experience
MELEK BESTE YAZICI
Yüksek Lisans
Türkçe
2025
SigortacılıkBaşkent ÜniversitesiSigortacılık Ana Bilim Dalı
PROF. DR. SERPİL CULA