Product ranking strategies for an online retailer
Elektronik perakendecilikte ürün sıralama stratejileri
- Tez No: 597957
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA GÖKÇE BAYDOĞAN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 125
Özet
Ürün önerme, bir elektronik perakendecinin en kritik işlevlerinden biridir. Platformlar, tüketicileri için daha alakalı ve kişiselleştirilmiş ürünler sunarak satışlarını artırmak ister. İstenilen özelliklere sahip ürün, kategori sayfalarında alt sıralarda önerilirse müşteri kendisine en uygun ürünü bulamayabilir. Ürünleri, müşterilerin satın alabilecekleri daha yüksek sıralarda göstermek kritik bir geliştirmedir. Burada ürünün hangi sırada gösterilmiş olduğu ve örneğin fiyat, marka, renk, boyut vb. beklentileri nasıl karşıladığı önemlidir. Bu motivasyonla; elektronik parekendede satılan ürünler için sıralama öğrenmeyi tasarlamaya yönelik formel bir strateji çerçevesi tanımlandı. İlk olarak, popülerlik tabanlı sıralama algoritması en basit yaklaşım olarak önerilmiştir. Model tabanlı doğrusal yaklaşımlar olarak doğrusal lojistik ve çok terimli tercih modeli önerilmiştir. Yüksek ürün çeşitliliği ve çeşitli tüketici profilleri nedeniyle çok terimli tercih modelleri logit elektronik perakende verilerinde hesaplama problemleri yaratabilir ve iyi performans göstermeyebilir. Bu engellerin üstesinden gelmek için doğrusal ikili yöntem, model tabanlı doğrusal sıralama yöntemi olarak uygulanır. Gerçek elektronik perakende veri kümeleri genellikle doğrusal olmayan örnekler içerir; Gradyan artırma, ağaç öğrenmesini kullanan model tabanlı doğrusal olmayan yaklaşım olarak kabul edilir. Popülerlik tabanlı, linear resgresyon, doğrusal ikili yöntem ve gradyan artırma modelleri sentetik ve gerçek veri setlerinde uygulanmıştır. Sentetik veri setinde gradyan artırma ve popülariteye dayalı yöntemlerle inşa edilen modellerin, diğer yöntemlerden daha iyi bir sıralama performansı göstermiştir. Gradyan artırma yöntemi, gerçek elektronik perakende veri seti için en yüksek sıralama performansını sunar.
Özet (Çeviri)
Recommendation is one of the the most critical functionalities of an online retailer. Almost every platform wants to boost their sales by providing more relevant and personalized products for their consumer. The customer may not be able to find the product that is most suitable for her, as the product with the desired features is displayed in the lower rank positions on category page. It is a critical improvement to show the products at higher ranks that customers can purchase. It is important here at which rank the product is shown and how it meets the expectations for instance in terms of price, brand, color, size etc. With this motivation; we define a formal framework of strategies for designing learning to rank algorithms for products that are sold online. First, we propose popularity-based ranking algorithm as the simplest and naive approach. In order to rank alternatives on category pages linear logistic and multinomial logit regression are proposed as model based linear approaches. However, according to computational problems beacuse of high product diversity and various kind of consumer profiles multinomial logit regression may not perform well on online retail data. So, to handle these obstacles linear pairwise method is applied as model based linear ranking method. Real online retail data sets usually involve non linearity, Boosting is considered as model based nonlinear approach that uses a tree learner. It is determined that models constructed with boosting and popularity-based methods have better ranking accuracy than other methods in synthetic data set. Boosting method gives the highest ranking performance for the real online retail data set.
Benzer Tezler
- Product ranking, pricing, and recommendation for e-commerce retailers and platforms
Çevrimiçi perakendeciler ve e-ticaret platformları için ürün sıralama ve fiyatlandırması
ALIREZA KABIRMAMDOUH
Doktora
İngilizce
2022
Endüstri ve Endüstri MühendisliğiKoç Üniversitesiİşletme Ana Bilim Dalı
PROF. ABDULLAH GÜRHAN KÖK
- Digital nudging for online product listing pages
Ürün listeleme sayfalarında dijital yönlendirme
ALARA TAŞÇIOĞLU
- Yaratıcılık, yaratıcı düşünme teknikleri ve yaratıcı düşünme teknikleri üzerine bir uygulama
Creativity, creative thinking techniques and an application on creative thinking techniques
BETÜL ÇAY
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEZİ ÇEVİK ONAR
- SWARA, EDAS, MARCOS yöntemleri ile tedarikçi değerlendirme modeli: Otelcilik sektöründe bir uygulama
Supplier evaluation model with SWARA, EDAS, MARCOS methods: An application in the hotel industry
AYŞE ÜNLÜ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL
- Türkiye'deki özel alışveriş kulüplerinin arama motorlarında etkin sıralanması
Search engine optimization for effective ranking of private shopping clubs in Turkey
SEDA TÜREÇ
Yüksek Lisans
Türkçe
2017
Bilim ve TeknolojiMimar Sinan Güzel Sanatlar ÜniversitesiEnformatik Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT ONUR TURAN