Geri Dön

Customer segmentation using a fuzzy ahp and clustering based approach: An application in an international TV manufacturing company

Bulanık AHP ve kümeleme tabanlı bir müşteri segmentasyonu yaklaşımı: Uluslararası bir TV imalat firmasında uygulama

  1. Tez No: 343022
  2. Yazar: HÜLYA GÜÇDEMİR
  3. Danışmanlar: DOÇ. DR. HASAN SELİM
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, İşletme, Industrial and Industrial Engineering, Business Administration
  6. Anahtar Kelimeler: Müşteri segmentasyonu, veri kümeleme, bulanık AHP, Customer segmentation, data clustering, fuzzy AHP
  7. Yıl: 2013
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 130

Özet

Günümüzde, sürdürülebilir rekabet avantajı elde etmek için en geçerli yol ürün odaklı bir anlayış yerine müşteri odaklı bir anlayışı benimsemektir. Ancak, müşteri davranışlarının karmaşık doğası müşteri tabanının yönetimini zorlaştırmaktadır. Bu nedenle hem işletmeyi anlamak hem de müşteri veri tabanlarının analizi önemli hale gelmiştir. Bu anlamda müşteri segmentasyonu, pazarlama stratejileri ve ürün gelişimi konularında önemli bir rol oynamaktadır. Bu çalışmada uluslar arası bir TV üreticisi firmanın müşteri tabanının benzer özellikler gösteren müşteri gruplarına bölünmesi ve aynı zamanda bu grupların göreli önemlerinin bulunması amaçlanmıştır. Bu amaç doğrultusunda iki farklı yaklaşım kullanılmıştır. İlk yaklaşım, müşteri tabanını genel skor olarak isimlendirilen tek bir karakteristiğe göre bölmektedir. Genel skor ise, güncellik, sadakat, yıllık ortalama talep, yıllık ortalama satış geliri, sıklık, uzun vadeli ilişki potansiyeli, yıllık talepteki ortalama değişim, yıllık satış gelirindeki ortalama değişim olarak isimlendirilen sekiz farklı karakteristiğin birleşimidir. Burada, genel skor bulanık Analitik Hiyerarşi Süreci (AHS) kullanılarak ağırlıkları elde edilen karakteristiklerin ağırlıklı ortalaması alınarak hesaplanmaktadır. İkinci yaklaşım ise yukarıda belirtilen sekiz karakteristik açısından benzerliklerine göre müşterileri gruplamaktadır. Müşterileri gruplamada, yığılmalı hiyerarşik kümeleme yöntemleri (tek bağlantı, tam bağlantı, Ward?s yöntemi) ve k-ortalamalar yöntemi kullanılmıştır. Oluşturulan beş segment, en iyi, değerli, ortalama, potansiyel değerli, potansiyel değersiz müşteriler olarak isimlendirilmiştir. Sonuçlar, önerilen yaklaşımın müşteri segmentasyonu uygulamalarında etkin bir şekilde kullanılabileceğini ortaya koymuştur.

Özet (Çeviri)

Today, the most valid way to achieve sustainable competitive advantage is shifting the focus from a product oriented view to a customer oriented view. However, due to more complex nature of customer behaviors, management of a customer base has become more difficult. Therefore, both business understanding and customer database analysis become vital. In this concern, customer segmentation plays an important role in marketing strategies and product development. This study aims to divide customer base in an international TV manufacturing company into discrete customer groups that share similar characteristics and also to find relative importance of these groups. Two different approaches are used for this purpose. First approach divides customer base using a characteristic called overall score. Overall score is a combined score of eight different characteristics namely, recency, loyalty, average annual demand, average annual sales revenue, frequency, long term relationship potential?, ?average percentage change in annual demand and ?average percentage change in annual sales revenue. This score computed by taking weighted average of the characteristics where weights are obtained by using Fuzzy Analytical Hierarchy Process (AHP). Second approach groups customers according to their similarities with respect to eight characteristics that mentioned above. Agglomerative hierarchical clustering algorithms (Wards method, single linkage, complete linkage) and k-means algorithm are employed to segment the customers. Five customer segments are named as best, valuable, average, potential valuable and potential invaluable customers. The results reveal that the proposed approach can effectively be used in practice for proper customer segmentation.

Benzer Tezler

  1. Perakende sektöründe kümeleme algoritmaları ile müşteri segmentasyonu ve RFM modeli

    Customer segmentation and RFM analysis using clustering algorithms in retail industry

    SAMET KANCA

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YAKUP ÇELİKBİLEK

  2. Customer segmentatıon for campaıgn management by usıng fuzzy c-means

    Kampanya yönetimi için fuzzy c-means algoritması kullanılarak müşteri segmentayonu yapılması

    ÜMİT ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADEM KARAHOCA

  3. Prioritization of factors affecting agency value for an airline company using fuzzy cognitive mapping method

    Bir havayolu şirketi için acente değerini etkileyen faktörlerin bulanık bilişsel haritalama yöntemi ile önceliklendirilmesi

    MUHAMMED FATİH ÖZER

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. İREM UÇAL SARI

  4. Modern perakendecilik sektöründe veri madenciliği tekniklerinin uygulanması

    Applications of data mining techniques in modern retail sector

    BARIŞ YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-Cerrahpaşa

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUNCAY ÖZCAN

  5. Segmentation for factoring customers using unsupervised machine learning algorithms

    Gözetimsiz makine öğrenmesi algoritmaları kullanılarak faktöring müşterilerı için segmentasyon yapılması

    NUR SEHER AYYILDIZ

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMEF ÜNİVERSİTESİ

    Bilişim Teknolojileri Ana Bilim Dalı

    YRD. DOÇ. DR. TUNA ÇAKAR