Geri Dön

Data mining including application of cognitive maps and decision tree algorithm

Bilişsel haritalar ve karar ağacı algoritması içeren bir veri madenciliği uygulamasi

  1. Tez No: 251265
  2. Yazar: ŞENAY SADIÇ
  3. Danışmanlar: DOÇ. DR. TUFAN VEHBİ KOÇ, YRD. DOÇ. DR. GÜLGÜN KAYAKUTLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: İngilizce
  9. Üniversite: İstanbul Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 109

Özet

Bu çalışma bilişsel haritalar ve karar ağaçlarının bütünleşik kullanımıyla müşteri profili belirlenmesine bir temel teşkil etmeyi amaçlamaktadır. Çalışmanın ilk aşaması pazarlama başarısında etkin olan firmaya ve müşteriye özgün faktörlerin belirlenmesidir. Çalışmanın bu aşamasında firmaya özgün faktörler ürün karması olarak belirlenirken, müşteriye özgün faktörlerin literatürdeki yaşam biçimi bölümlendirme modelinden alınması kararlaştırılmıştır. İkinci aşamada ise firma faktörleri ile yaşam biçimi bölümlendirme değişkenleri arasındaki ilişkiler bir sebep ve sonuç haritası aracılığıyla belirlenmektedir. Bilişsel harita uygulaması sonrası elde edilen ağırlıkların kullanılarak karar ağaçlarının oluşturulması çalışmanın dördüncü aşamasını teşkil etmektedir. Müşteriler, karar ağaçları yönteminde, memnuniyet dereceleri, futbol ilgileri ve firma sadakatlerine göre sınıflandırılacaklardır. Bu çalışmanın sonuçları firmanın gelecekteki müşteri davranışlarını tahmin etmesine yardımcı olacaktır. Ayrıca, bu çalışma rekabet stratejisi gereği müşteri sadakatini arttırmayı amaçlayan bir dijital televizyon kanalı için pilot uygulama sunmaktadır.

Özet (Çeviri)

This study aims to illustrate a framework for integrated implementation of the cognitive maps and decision trees in customer profiling. The first step is to identify the company specific and customer specific factors which are effective in marketing. Company specific factors are determined as the product mix and the customer specific factors are decided to be taken from the lifestyle segmentation model in the literature. The second step is to determine the interactions among company specific factors and lifestyle segmentation variables through a cause and effect map. As the third step decision trees are developed using the weights calculated from cognitive mapping. Customers will be classified with respect to their satisfaction level, football interest and loyalty. The findings will help the company to predict future customer behaviour. This paper also represents a pilot application of the framework in a digital TV channel that is in need of developing loyalty as a competitive strategy.

Benzer Tezler

  1. A cognitive lifecycle methodology for IP address management in next generation core networks

    Yeni nesil omurga ağlarda IP adres yönetimi için bilişsel yaşam döngüsü metodolojisi

    KÜBRA DURAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. BERK CANBERK

  2. Big data (büyük veri) ve geleneksel veri saklama ve işleme yöntemlerine etkisi üzerine bir araştırma

    A study on big data and its effect on traditional data storage and access techniques

    CAN RAZBONYALI

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOkan Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET FAİK KAŞLI

  3. Veri madenciliği ve optimizasyon teknikleri kullanılarak bir depo tasarımı: perakende sektöründe uygulaması

    Warehouse design using data mining and optimization techniques: an application in retailing sector

    FURKAN YENER

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Endüstri ve Endüstri MühendisliğiSakarya Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HARUN REŞİT YAZĞAN

  4. New cluster ensemble algorithm with automatic cluster number and new pruning technique for fast detection of neighbors on binary data

    Küme sayısını otomatik bulan bir kümelenme birleştirme algoritması ve ikili veride komşuların hızlı bulunması için yeni budama yöntemi

    MEHMET EMİN AKŞEHİRLİ

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELİM NECDET MİMAROĞLU

  5. Kalp krizi riskinin bir veri madenciliği uygulaması ile analizi

    Analysis of heart attack risk with an application of data mining

    FATİH ELMAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMuğla Sıtkı Koçman Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    DOÇ. DR. İLHAN TARIMER