Makine öğrenmesi ile teknoloji perakende sektöründe ek garanti satış modellemesi
Additional warranty sales modeling in technology retail industry with machine learning
- Tez No: 635822
- Danışmanlar: DOÇ. DR. ERSOY ÖZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: 72
Özet
Bu çalışmanın amacı, teknoloji perakende sektöründe satılan ürünlerin yanında ilgili ürüne ait ek garantinin satışına yönelik bir modelleme yapmaktır. Müşterilerin önceki alışverişlerindeki alışkanlıkları tespit edilerek bir sonraki alışverişinde ek garanti satın alıp almayacağına yönelik olarak tahminler yapılacaktır. Bu amaç doğrultusunda makine öğrenmesi yöntemlerinden sınıflandırma algoritmalarının performansları karşılaştırılacaktır. Algoritmalar arasında en az hata oranına sahip olan modelin tahmin sonuçları uygulamanın çıktısı olacaktır. Bu kapsamda ek garanti ürün satışlarının şirketlere ek ciro yaratması ve dönüştürme oranının arttırılması hedeflenmektedir. Teknoloji perakendesinde faaliyet gösteren şirketlerden bir tanesinin son 2 yıllık ham satış verisi işlenmiş ve son iki yılda alışveriş yapan, aktif tekil müşterilerin geçmiş yıllardaki davranışları modele dahil edilerek doğruluk ve F1 skor metrikleri ile model başarıları test edilmiştir. Python programlama dili ile geliştirilen çalışmada, makine öğrenmesi yöntemlerinden yapay sinir ağları, stokastik gradyan iniş, destek vektör makineleri, karar ağaçları, naïve bayes, topluluk yöntemleri ve lojistik regresyon yöntemleri kullanılmıştır. 5 farklı tasarım modeli ile oluşturulan çalışmada farklı başarı oranları hesaplanmıştır. Çalışma sonucunda tasarım modellerinde çoğunlukla destek vektör makineleri, topluluk yöntemleri ve yapay sinir ağları algoritmaları yüksek başarı gösterirken naïve bayes ve karar ağaçları algoritmalarının ek garanti satın alımı için yapılan sınıflandırma yöntemlerinde düşük başarı gösterdiği görülmüştür. Ayrıca, yapılan modelleme sonucunda perakende sektöründe ek ciro yaratması beklenen ve satış danışmanı prim sistemine katkısı olabilecek bir ürün ortaya çıkartılmıştır.
Özet (Çeviri)
The purpose of this study is to create a model for the sale of additional warranty for the related product, as well as products sold in the technology retail sector. The habits of customers in their previous purchases will be determined and estimates will be made as to whether they will purchase additional guarantees in their next purchase. For this purpose, the performances of classification algorithms, one of the machine learning methods, will be compared. Estimation results of the model with the least error rate among the algorithms will be the output of the application. In this context, it is targeted that additional warranty product sales create additional turnover for companies and increase the conversion rate. For the last 2 years, raw sales data of one of the companies operating in technology retailing have been processed, and the behaviors of the active unique customer who has been shopping for the past two years are included in the model in the past years and the accuracy and F1 score metrics and model achievements have been tested. In the study developed with Python programming language, artificial neural networks, stochastic gradient landing, support vector machines, decision trees, naïve bayes, community methods and logistic regression methods were used. In the study, which created 5 different design models, different success rates were calculated. As a result of the study, mostly in design models it was observed that support vector machines, artificial neural networks and community methods algorithms showed high success, while naïve bayes and decision trees algorithms showed low success in classification methods for additional warranty purchase. In addition, as a result of the modeling, a product, which is expected to create additional turnover in the retail sector and may contribute to the sales consultant premium system, has been created.
Benzer Tezler
- Overcoming payment behavior challenges: Classifying buy now pay later users with machine learning
Ödeme alışkanlığı zorluklarını aşmak: Makine öğrenimi ile şimdi al sonra öde kullanıcılarını sınıflandırma
ÖMÜR ÖZDOĞAN
Yüksek Lisans
İngilizce
2024
Bankacılıkİstanbul Teknik ÜniversitesiBüyük Veri ve Veri Analitiği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ERGÜN
- Barkodsuz ürünlerin tanınmasında derin öğrenmeye dayalı yaklaşımların uygulanması
The implementation of deep learning based approaches in the identification of barcod-free products
FURKAN ATBAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HAMZA OSMAN İLHAN
- Makine öğrenmesi ile hazır giyim perakende sektöründe satış tahmini
Sales forecasting in apparel retail industry with machine learning
SALİH CEYLAN
Yüksek Lisans
Türkçe
2024
Bilim ve TeknolojiYıldız Teknik ÜniversitesiMatematik Mühendisliği Ana Bilim Dalı
DOÇ. DR. BİROL ASLANYÜREK
- Perakende sektöründe dinamik fiyatlandırma ile gelir optimizasyonu
Revenue optimization application with dynamic pricing in retail industry
SİNEM BATMACA
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Üniversitesi-CerrahpaşaEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİNEM BÜYÜKSAATÇI KİRİŞ
- Perakende mağazacılık sektöründe makine öğrenmesi teknikleri kullanılarak mağazalara ürün transferlerine yönelik karar destek sistemi oluşturulması
Creating a decision support system for prouct transfers to stores using machine learning techniques in the retailing industry
ŞEYMA BALTACI
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiDokuz Eylül ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
PROF. DR. VAHAP TECİM