Google trends tabanlı otc analjezik talep tahmini: Türkiye'de genetik algoritma ile optimizasyonlu ve belirsizlik-farkındalıklı kuantil sinir ağı
Google trends-based otc analgesic demand forecasting - genetically optimized and uncertainty aware quantile neural network in Türkiye
- Tez No: 1021744
- Danışmanlar: DR. SAMET GÜMÜŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Aydın Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Reçetesiz (OTC) satılan analjeziklere yönelik talep, mevsimsel enfeksiyon salgınları, tüketici davranışlarındaki ani değişimler ve tedarik zincirindeki kesintiler nedeniyle kısa sürede belirgin dalgalanmalar gösterebilmektedir. Bu yüksek oynaklık, eczanelerde stok yönetimini ve tedarik planlamasını zorlaştırırken, yalnızca geçmiş satış verilerine dayalı geleneksel nokta tahminlerinin belirsizliği ve olasılık dağılımındaki kaymaları yeterince yakalayamaması önemli bir sınırlılık oluşturur. Bu çalışma, Türkiye pazarında Parol (parasetamol) ürünü üzerinden –karşılaştırma amacıyla Arveles (deksketoprofen trometamol) ile birlikte– Google Trends arama ilgisini erken gösterge (early warning) sinyali olarak entegre eden, olasılıksal ve belirsizlik duyarlı bir talep tahmin çerçevesi önermektedir. Yaklaşımda öncelikle arama ilgisi ile satış hacmi arasındaki önder-artçı (lead-lag) ilişkisi, sistematik gecikme taraması ile belirlenmekte; ardından satış gecikmeleri, Google Trends gecikmeli değerleri ve takvim etkileri (ay, yıl içi hafta numarası, resmi tatil dönemleri) model girdisi olarak kullanılmaktadır. Tahmin modeli, sinir ağı tabanlı bir mimari olup, katman sayısı, nöron adedi ve öğrenme parametreleri gibi hiperparametreler Genetik Algoritma ile otomatik olarak optimize edilerek veri setine en uygun yapı elde edilmektedir. Tek bir ortalama tahmin yerine kuantil regresyon kullanılarak P10, P50 ve P90 seviyelerinde olasılıksal aralıklar üretilmekte; böylece talep belirsizliği sayısallaştırılmakta ve stok tükenme riski daha etkin yönetilebilmektedir. Model performansı, yürüyen pencere (rolling-origin) geriye dönük test yöntemiyle değerlendirilmiş; mevsimsel naif, ARIMA/ETS gibi klasik zaman serisi modelleri ile temel makine öğrenmesi yaklaşımları karşılaştırılmıştır. Sonuçlar, Google Trends sinyalinin eklenmesi ve optimizasyonlu sinir ağı mimarisinin hata metriklerini belirgin şekilde iyileştirdiğini, özellikle ani talep sıçramalarını daha erken tespit ettiğini ortaya koymaktadır. Üretilen kuantil aralıkları ise karar vericilere stok-out olasılığını azaltacak pratik öngörüler sunmaktadır. Önerilen çerçeve, gerçek piyasa koşullarındaki dağılım değişimlerine karşı daha dirençli, yorumlanabilir ve yeniden üretilebilir bir“arama verisinden satış tahminine”geçiş sağlayarak eczane operasyonlarında değerli bir araç olmayı hedeflemektedir.
Özet (Çeviri)
Demand for over-the-counter (OTC) analgesics can exhibit sharp short-term fluctuations due to seasonal infection waves, sudden shifts in consumer behavior, and supply chain disruptions. This high volatility complicates stock management and supply planning in pharmacies, while traditional point forecasts based solely on historical sales data often fail to adequately capture uncertainty and shifts in probability distributions. This study proposes a probabilistic, uncertainty-aware demand forecasting framework for the Turkish market, focusing on Parol (paracetamol) as the primary product—with Arveles (dexketoprofen trometamol) included for comparison—by integrating Google Trends search interest as an early warning signal. The approach first quantitatively identifies the lead-lag relationship between search interest and sales volume through systematic delay scanning. Subsequently, lagged sales values, lagged Google Trends indices, and calendar effects (month, week of the year, public holiday periods) serve as model inputs. The forecasting model employs a neural network architecture, with hyperparameters—including the number of layers, neurons per layer, and learning parameters—automatically optimized via Genetic Algorithm to achieve the best fit to the dataset. Instead of producing a single point estimate, quantile regression is applied to generate probabilistic intervals at P10, P50, and P90 levels, thereby quantifying demand uncertainty and enabling more effective management of stock-out risk. Model performance is evaluated using a rolling-origin backtesting scheme and compared against classical time-series benchmarks (seasonal naïve, ARIMA/ETS) as well as selected machine learning baselines. Experimental results demonstrate that incorporating the Google Trends signal combined with the optimized neural network significantly reduces error metrics and enables earlier detection of sudden demand spikes. The resulting quantile intervals provide decision-makers with practical insights for mitigating stock-out probabilities. The proposed framework offers a more robust, interpretable, and reproducible“search-to-sales”demand forecasting approach that is resilient to distributional shifts in real-world market conditions, serving as a valuable tool for pharmacy operations.
Benzer Tezler
- Farklı frekanslı Google Trends verileri ile işsizlik öngörüsü
Unemployment forecast using Google Trends data at different frequencies
DİLAN KAYA
Yüksek Lisans
Türkçe
2024
EkonometriDokuz Eylül ÜniversitesiEkonometri Ana Bilim Dalı
DOÇ. DR. SERKAN ARAS
- Proposal for a forecasting methodology to predict commercial real estate values in Istanbul using social big data
Sosyal büyük veri kullanımı ile İstanbul'daki ticari gayrimenkul değerlerini tahmin etmek için bir kestirim yöntemi önerisi
MARAL TAŞCILAR
Yüksek Lisans
İngilizce
2023
Ekonometriİstanbul Teknik ÜniversitesiGayrimenkul Geliştirme Ana Bilim Dalı
DOÇ. KEREM YAVUZ ARSLANLI
- Türkiye'deki ilaç kullanım özelliklerinin 2013-2023 yılları arasındaki değişiminin incelenmesi
An investigation of changes in pharmaceutical consumption patterns in Turkey between 2013 and 2023
GÜLSEV ÖZEN YORGANCIGİL
Yüksek Lisans
Türkçe
2025
Biyoistatistikİstanbul Üniversitesi-CerrahpaşaBiyoistatistik Ana Bilim Dalı
PROF. DR. AHMET DİRİCAN
- Çocuklarda flor kullanımı hakkında internet bilgi kaynakları güvenilir mi?
Internet information sources about the use of fluoride in children are reliable?
EBRU ÇETİNKAYA
Diş Hekimliği Uzmanlık
Türkçe
2020
Diş HekimliğiOrdu ÜniversitesiPedodonti Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ŞİMŞEK
- Türkçe dikotik sayı/kelime mobil tarama test uygulaması geliştirilmesi ve değerlendirilmesi
Development and evaluation of mobile screen application of the turkish dichotic digit/word test
SIDIKA TÜRKOĞLU KARACA
Yüksek Lisans
Türkçe
2021
Kulak Burun ve Boğazİstanbul Aydın ÜniversitesiOdyoloji Ana Bilim Dalı
PROF. DR. BAHRİYE ÖZLEM KONUKSEVEN