Process mining for analysis of indoor customer behaviors
Süreç madenciliği ile iç mekan kullanıcı davranışları analizi
- Tez No: 548143
- Danışmanlar: DOÇ. DR. BAŞAR ÖZTAYŞİ
- Tez Türü: Doktora
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 75104
Özet
Bir işletmenin varlığını sürdürmesi için en önemli konu müşteri bağlılığını oluşturarak karı artırmaktır. Bunun için temel mesele müşterileri anlamaktır. Müşteriler Netflix, Amazon ve Spotify gibi şirketlerden edindikleri kişiselleştirilmiş önerileri mağazalarda da görmeyi beklemektedirler. Yakın zamanda Infosys şirketi tarafından yapılan araştırmada, bir perakendecinin müşteri hedefli ve kişiselleştirilmiş teklifler sunmasının, tüketicilerin % 78'inin tekrar müşteri olacağını bildirdi. Benzer bir başka araştırmada da Microsoft, müşterilerin % 73'ünün, kişiselleştirilmiş bir satın alma deneyimi sunan markalarla alışveriş yapmayı tercih ettiğini söylüyor. 2020'ye gelindiğinde, bir marka ayırıcı olarak müşteri deneyimi, fiyat ve ürünün/hizmetin kendisini geçecektir. Bu durum da müşterileri anlamanın önemini açıkça ortaya koymaktadır. Çevrim içi satış yapan işletmeler için müşterilerin geri gelmesini sağlayacak kişiselleştirilmiş öneriler üretmek (müşteri davranışlarını anlamak) daha kolaydır. Her tıklama veya imlecin hareketi kaydedilir ve işletmeler bu verilere dayanılarak fiş, kod, reklam veya başka materyal gönderir. Fiziki mağazalar (brick-and-mortar) da, müşterilere çevrim içi aldıkları özel hizmetle eşleşen bir deneyim sunmalı ve dijital kanallarla sorunsuz bir şekilde ilişki kurmalıdır. RetailNext'e göre, müşterilerin % 84'ü perakendecilerin çevrimiçi ve çevrimdışı kanalları entegre etmek için daha fazla çaba göstermesi gerektiğine inanıyor. Çevrim içi ve çevrim dışı kanalları entegrasyon sorunu davranış analizi ile çözülebilir. Davranış analizleri, hastaların ihtiyaçlarını anlayıp, bu ihtiyaçlara en iyi çözümler sunmak için yapılan analizlerdir. Çevrim içi alışverişte olduğu gibi alışveriş merkezinde de kişiselleştirilmiş müşteri önerileri sunmak davranış analizi ile mümkün hale gelir. Davranış analizi, müşterilerin AVM içinde uğradığı yerler, bu yerlerde harcadıkları süre, sonraki ziyaret yeri ve hatta kaç kişinin vitrinden bakıp içeri girmeden gittiğine dair bilgiler üretilebilir. Örneğin, AVM içinde 60 dakikadan fazla bekleyen müşterilerin acıktığı düşünülürse, geçmiş rotaları gözden geçirilerek müşteriye özel yemek indirimleri vermek gibi kişiselleştirilmiş teklifler müşteri bağlılığını oluşturmaktadır. Ancak alışveriş merkezleri dahil genel olarak tüm fiziki mağazalarda, müşterileri tanıyabilecek kadar veriyi toplamak önemli bir problemdir. Alışveriş merkezlerinde veri toplamak için kullanılabilecek birçok teknoloji alternatifi vardır. RFID, WiFi, Bluetooth bunlardan en çok tercih edilenleridir. Bunların dışında gözlem, anket, mülakat gibi klasik yöntemler, kızıl ötesi, zigbee gibi kablosuz iletişim teknolojisi ve kamera, hareket sensoru gibi bilgisayarla görme (computer vision) teknolojileri de veri toplamak için iç mekanlarda kullanılabilecek teknoloji alternatifleridir. Bu araştırmada RFID, WiFi veya Bluetooth teknolojilerinden biri ile veri toplanacaktır. Veri toplama teknolojisinin seçimi için bulanık çok kriterli karar verme (fuzzy multiple criteria decision making) yöntemi uygulanmıştır. Veri toplama teknoloji seçim problemi, dört kriter ve sekiz alt kriter içeren bir çok kriterli karar verme problem olarak modellenmiştir. Geniş bir literatür ve uzman görüşmesinden sonra, bu problemin alt kriterleri Maliyet, Zaman, Doğruluk, Önyargı, Miktar, İntrospektif, Sadelik ve Analiz Kolaylığı olarak belirlendi. Bu kriterler arasında en önemlisi Doğruluk, Önyargı ve Maliyettir. Bu çalışma, Bluetooth teknolojisinin yapılan uzman değerlendirmelerine göre diğer veri toplama teknolojileri arasında en iyi alternatif olduğunu ortaya koymuştur. Wi-Fi, Bluetooth'a yakın bir puan alan en iyi ikinci alternatiftir. Bu yakın puan, teknolojideki yeni bir gelişmenin iki alternatifin sırasını değiştirebileceğini ortaya koymaktadır. Aktif olarak tedarik zinciri, lojistik ve depo uygulamaları için kullanılan RFID teknolojisi üçüncü sırada yer almaktadır. RFID'in üçüncü sırayı almasının ana nedenleri ön yükleme için etiket yatırımı gerektirmesi ve ayrıca ziyaretçilerin bu etiketleri taşımasına direnmesi olabilir. Kamera sistemleri, başlangıçtaki ilk yatırım ve yüksek işletme maliyetleri nedeniyle sıralamada son sırada yer almaktadır. Sonuç olarak, Bluetooth ile insan faktörü olmadan (elle veri girişi yapılmadan) gerçek veri elde edilmiş ve bu veriler süreç madenciliği için kullanılmıştır. Seçilen veri toplama teknolojisiyle elde edilen verilerin analiz edilmesi, müşteri davranışını en iyi şekilde tanımlamada çok önemlidir. Müşterileri anlamak için alışveriş merkezi içindeki rotalarını takip etmek (hangi mağazaya uğradı, hangi mağazada ne kadar süre harcadı, sonraki ziyareti nereye oldu) önemli başka bir problemdir. Kapalı alan büyüdükçe veya takip edilecek hasta sayısı arttıkça problem daha büyük hale gelmektedir. Bu yüzden verilerin toplanması kadar analiz yönteminin seçimi de kritik bir adımdır. İç mekan sistemlerindeki süreçlerde temel ve ileri istatistik kurallarını uygulamak, süreçlerin anlaşılması konusunda genel bir bilgi vermek için yeterli olmaz. Toplanan verilerin avantajını kullanabilmek için, süreç karakteristiğini insanların anlaması için kolaylaştıracak, sürecin tamamı hakkında bilgi verecek yeni teknolojilere ihtiyaç vardır. Süreç madenciliği, insanların okuyabileceği modeller çıkarmak için süreçlerdeki kayıtları (event logs) kullanan yeni bir yöntemdir. Süreç madenciliğinin bir çok uygulama alanlarında, süreç akışlarının çıkarılması ve iyileştirmelerin yapılması için kullanıldığı görülmektedir. İç mekan sistemleriyle toplanan veriler sayesinde, müşterinin takip ettiği rotanın ve uğradığı yerlerde geçirdiği süre bilgisinin süreç madenciliği ile ele alınması bu araştırmanın orijinal yönlerinden biridir. Böylece otomatik olarak toplanan veriler, otomatik olarak müşteri davranış analizi için kullanılır hale gelecektir. Bazı analiz yöntemlerinde sonuçların yorumlanması için yine bir uzmana gerek varken, süreç madenciliğinin faydalarından biri de, elde edilen sonuçların uzman olmayan kişiler tarafından da kolaylıkla anlaşılabilir görsel çıktılar sunmasıdır. Süreç madenciliği çalışmasında, bir alışveriş merkezinde erkek ve kadın müşteri yollarını keşfetmek için bir süreç madenciliği uygulaması sunulmaktadır. Bu metodoloji, Aralık 2017 - Şubat 2018 arasındaki gerçek üç aylık müşteri verileri kullanılarak test edilmiştir. Gerçek veriler, iBeacon cihazlarıyla Bluetooth teknolojisi kullanılarak toplanmıştır. Bluetooth, tarafsız ve etkilenmeyen gözlemler sağlayan uygun maliyetli bir izleme teknolojisidir. Nadir ve eksik bir olay günlüğü ile başa çıkabilecek bir süreç madenciliği algoritması olan PALIA Suite geliştirilmiştir. PALIA Suite seyrek davranışı, faaliyetlerin sıklıkları ve durum değişiklikleriyle ilgili istatistiksel bilgilerle değerlendirebilir. Çalışmanın sonuçlarına göre, iç mekan sistemleri ile proses madenciliğinin uygulanması anlaşılabilir bir görüş sağlamaktadır. Temel istatistikler ve süreç madenciliği ile ilgili sonuçları değerlendirdik. Temel istatistikler bazı veri merkezli sonuçlar verirken, süreç madenciliği süreç yönelimlidir. 165 erkek, 477 bayan müşteri olan 642 müşteri rotasını araştırdık. Bazı müşteriler alışveriş merkezini bir kereden fazla ziyaret ettiğinden, 1293 müşteri rotası çıkardık. Bu çalışmada ziyaret edilen mağaza gruplarının sayısı 2749 idi. Aralık ayında alışveriş merkezini daha fazla müşteri ziyaret etti ancak Ocak ayında daha fazla mağaza ziyareti gerçekleşti. Şubat, müşteri sayısı ve ziyaret edilen mağaza sayısı bakımından en zayıf aydı. 9 Aralık ve 15 Şubat ekstremum tarihleriydi. 25 müşteri 9 Aralık'ta 59 mağaza grubunu ziyaret ederken, 7 müşteri 15 Şubat'ta 10 mağaza grubunu ziyaret etti. Aralık ayında yeme-içme ve giyim en popüler mağaza gruplarıydı. Yeme-iöme ve giyim mağazaları en çok ziyaret edilenler ve ziyaret süreleri en fazla olan gruplardır. Giyimden sonra yeme-içme mağazalarını ve yeme-içmeden sonra giyim mağazalarını ziyaret eden müşterilerin sayısı sırayla erkek müşteri ziyaretlerinde 16 ve 14, kadın müşteri ziyaretlerinde ise 35 ve 47 idi. Erkek müşteriler, giyim ile yeme-içme ve giyim ile süpermarketi arasında bir döngü yaşadılar. Öte yandan, kadın müşterilerin yalnızca giyim ile yeme-içme döngüsü var. Bu durum, alışverişte kadın müşterilerin erkek müşteriden daha kararlı olduğu anlamına gelebilir. Ayrıca erkek müşteriler daha az sayıda mağaza grubunu ziyaret ettiğinden, alışverişte daha az seçici olduğu sonucuna varabiliriz. Aksesuar kadın ve erkek müşterilerin ziyaret ettiği ortak bir mağaza grubu olmasına rağmen, kadın müşteriler buralarda daha az zaman harcadılar. Ayrıca, eğlence ve kişisel bakımın cinsiyetler arasındaki davranışsal farkla ilgili önemi vardı. Erkek müşteriler, en çok izlenen yollarda herhangi bir eğlence veya kişisel bakım mağazasını ziyaret etmedi. Ocak ayında yeme-içme ve giyim, Aralık ayında olduğu gibi erkek müşteriler için en popüler mağaza gruplarıydı. Diğer taraftan, kadın müşteriler için eğlence mağazaları ziyaretinin süresi artmıştır. Bunun nedeni, merakla beklenen bazı filmlerin vizyona girmesi olabilir. Kadın müşteriler çoğunlukla giyim mağazalarını ziyaret etse de, eğlence mağazaları için daha fazla zaman harcadılar. Birçok durumda, eğlence mağazalarını ziyaret eden müşteriler atıştırmak veya karınlarını doyurmak için bir yeme-içme mağazasını ziyaret etti. Erkek müşteri rotalarındaki döngüler Aralık'ta olduğu gibi hala kadın müşteri yollarından daha yüksekti. Aralık ve Ocak ayları arasında karşılaştığımızda, erkek müşteriler yine yeme-içme ve giyim mağazaları arasında döngüye sahipti. Ayrıca, Ocak ayında elektronik, anne ve bebek mağazaları, erkek müşteri ziyaretlerinde daha uzun bir süreye sahip oldu. Ev eşyaları mağazaları, kadın müşteriler için Aralık ayındakinden farkıydı. Ev eşyaları mağazala ziyareti sayısı neredeyse aynıydı, ancak ziyaret süresi Aralık ayındaki süreden dört kat daha fazlaydı. Şubat ayında erkek müşteriler giyim yerine elektronik mağaza gruplarını ziyaret etmeyi tercih ettiler. Yeme-içme hala en çok ziyaret edilen yerlerden biriydi. Erkek rotalarındaki ziyaret edilen mağazalar ile harcanan süre arasında ters orantı olması ilginçtir. Örneğin, erkek müşteriler yeme-içme ve giyim mağazalarını daha fazla sayıda ziyaret ettiği halde buralarda daha az süre harcadılar. Dieğr taraftan elektronik mağazaları daha az ziyaret edip daha fazla zaman harcadılar. Diğer iki ayın aksine, kadın müşteriler Şubat ayında daha fazla döngülere sahipti. Kadın müşteriler bu ay yiyecek içecek yerine aksesuar mağazası gruplarını ziyaret etti. Bu durum, Sevgililer Günü nedeniyle olabilir. Ancak, erkek müşteriler o özel günde hediye almakla ilgilenmediler. Genel olarak, yeme-içme mağazalarında daha fazla zaman harcayan müşterilerin giysi için daha az zaman harcaması ilginçtir. Erkek ve kadın müşterilerin benzer rotaları olmasına rağmen, harcanan süreler iki grup için farklıydı. Yeme-içme, erkek ve bayan müşteriler için çoğunlukla en yüksek süreye sahipti. Ancak, eğlence ve aksesuar gibi bazı mağaza grupları, bazı durumlarda davranışsal değişiklikler için kritik nokta haline geldi.
Özet (Çeviri)
The most important issue for maintaining the existence of an enterprise is to increase the profit by creating customer loyalty. The main concern for this is to understand customers. Customers expect to see personalized advice from companies like Netflix, Amazon, and Spotify in stores. In a recent study by Infosys, a retailer's offer of customer-oriented and personalized offers indicated that 78% of consumers would be repeat customers. In another similar study, Microsoft says that 73% of customers prefer to shop with brands that offer a personalized purchase experience. By 2020, the customer experience, price, and product/service will be passed as a brand separator. This demonstrates the importance of understanding customers. For online businesses, it is easier to produce personalized recommendations to help customers come back (understand customer behavior). Each click or movement of the cursor is saved, and businesses send receipts, codes, advertisements or other material based on these data. Physical stores (brick-and-mortar) should also provide customers with an experience that matches the specific service they receive online and must relate to digital channels seamlessly. According to RetailNext, 84% of customers believe that retailers should make more efforts to integrate online and offline channels. The integration problem of online and offline channels can be solved by behavior analytics. Behavioral analyses investigate to understand the needs of patients and to provide the best solutions to these needs. As in online shopping, it is also possible to present personalized patient recommendations in shopping malls by behavioral analysis. The behavioral analysis may provide information about the stores in the shopping mall such as the time spent in the stores, the next visit of customers, and how many people have looked at the screen without entering into the store. For example, personalized offers such as sending an advertisement to the customer by followed path, reviewing the past visits and giving an individualized discount increase customer loyalty. However, in all physical stores, including a shopping mall, collecting enough data to recognize customers is an important problem. There are many alternative technologies have been developed to collect data to solve this problem in physical stores. Radio frequency identification (RFID), wireless connection (WiFi - wireless fidelity), Bluetooth are the most preferred ones. Apart from these, classical methods (observation, questionnaire, interview) and wireless communication technology (infrared, ZigBee and computer vision technologies such as camera and motion sensor) are the technology alternatives that can be used indoors to collect data. Fuzzy multi-criteria decision-making method is applied for the selection of data collection technology in this study. As a result, real data will be obtained without the human factor (without manual data entry) and the actual results will be analyzed by analyzing these data. Analyzing the data obtained with the selected data collection technology is very important in identifying patient behavior in the best way. It is another important problem to follow the paths within the shopping mall to understand the customers. When the number of followed customers and the number of indoor stores increase, the hardness of the problem gets bigger. Therefore, the selection of the analysis method is also another critical step. Implementing basic and advanced statistical rules in processes in indoor systems is not sufficient to give an overview of the processes. In order to use the advantage of the data collected, new technologies are needed to facilitate the process characteristics for people to understand and to give information about the whole process. Process mining is a new way of using event logs to generate models that people can read. When we look at the application areas of process mining, it is seen that it is mostly used for the process flow improvements in many businesses. With the shopping mall data collected by the indoor systems, the process of the followed paths by the customers and the time spent in the stores where the customer visits are considered as one of the original aspects of this research. Thus, automatically collected data will be automatically used for customer behavior analysis. In some analysis methods, an expert is needed to interpret the results. One of the benefits of process mining is that the results are easily understandable by non-experts. Process mining makes real decisions as it uses the data recorded with data collection technologies in the system. Business intelligence tools focus on dashboards, tables or reporting rather than on clearly defined business processes. Data mining techniques are data centered. The results do not help understand the process. Therefore, only data mining techniques are insufficient to understand customer behaviors in indoor locations. Process mining method has been preferred because of the purpose of finding the followed paths by the customers, the time spent in the places they visited, the bottlenecks and the crowds. In this study, we first decided the most suitable data collection technology with a fuzzy decision-making method. Bluetooth was selected and established in a shopping mall in Istanbul. Then we collected data from customers' smartphones to analyze their indoor paths with process mining. We evaluated male and female customer behaviors from the paths discovered by PALIA algorithm, which is a process discovery algorithm in process mining. The results showed that male and female customer have different behavior in the shopping mall.
Benzer Tezler
- Afyon-İscehisar volkanik kayaçlarının sırlanabilirliğinin ve sır malzemesinin araştırılması
Investigation of glazability of Afyon-Iscehisar volcanic rocks and glaze materials
GENCAY SARIIŞIK
Doktora
Türkçe
2010
Maden Mühendisliği ve MadencilikSelçuk ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
PROF. DR. M. KEMAL GÖKAY
- Bir radon izleme sisteminin tasarımı ve test edilmesi
Designing and testing a radon monitoring system
ABBAS ALPASLAN KOÇER
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiFizik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ERTAN KÜRKÇÜOĞLU
- Kara tabanlı somon üretim çifliğinde iklimlendirme sistem seçimi için optimizasyon ve termoekonomik analiz
Optimization and thermoeconomic analysis for hvac system selection in a land-based salmon farm
HİMMET CAN YAVEZOĞLU
Yüksek Lisans
Türkçe
2022
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. YAKUP ERHAN BÖKE
- Nadir toprak iyonları ile katkılandırılmış çinko oksit tellürit (TeO2-ZnO) camlarda beyaz ışık üretimi ve karakterizasyonu
Characterization and generation of white light in rare earth ions doped zinc oxide telluride (TeO2-ZnO) glasses
AYFER KAYA
Yüksek Lisans
Türkçe
2016
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiFizik Mühendisliği Ana Bilim Dalı
PROF. DR. GÖNÜL ERYÜREK