Perakende sektöründe dinamik fiyatlandırma ile gelir optimizasyonu
Revenue optimization application with dynamic pricing in retail industry
- Tez No: 671735
- Danışmanlar: DR. ÖĞR. ÜYESİ SİNEM BÜYÜKSAATÇI KİRİŞ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 145
Özet
Perakendeciler tarafından uzun yıllardır kullanılmaya devam eden; geleneksel, statik ve kural bazlı fiyatlandırma sistemleri, dijitalleşmenin getirdiği yeniliklere ve tüketici davranışlarındaki değişikliklere uyum sağlama konusunda ne yazık ki eksik kalmaktadır. Bu nedenle günümüzde; kârlılık ve ciro artışının sağlanması ve rekabet avantajı elde etmek amacı ile, veriye dayalı dinamik fiyatlandırma karar destek sistemlerinin kullanılması kaçınılmazdır. Bu yüksek lisans tez çalışmasında; vaka çalışmasının gerçekleştirildiği gıda perakendesi firmasında, gelir optimizasyonunu sağlamak amacı ile dinamik fiyatlandırma karar destek sistemi geliştirilmiştir. Geliştirilen karar destek sistemi; veri ön işleme, veri kazıma, talep tahmini modülü ve optimizasyon modülü olmak üzere dört aşamadan oluşmaktadır. Veri ön işleme aşamasında perakende firmasından elde edilen ham veri, veri temizleme ve özellik mühendisliği işlemlerinden geçirilerek, talep tahmini algoritmalarında kullanılabilir hale getirilmiştir. Veri kazıma işlemi ile, ele alınan ürünlere ait rakip firmaların fiyat verileri web sitelerinden çekilerek, veri setine aktarılmıştır. Talep tahmini modülünde; doğruluğu yüksek talep tahmini gerçekleştirebilmek amacı ile son teknoloji ağaç tabanlı makine öğrenmesi algoritmalarından olan dağıtık rassal orman, gradyan artırım makinesi ve ekstrem gradyan artırımlı ağaçlar algoritmaları ile modeller oluşturulmuş ve modellerin sonuçları çeşitli performans ölçütlerine göre karşılaştırılmıştır. Karşılaştırma sonuçlarına göre; en iyi performans, ekstrem gradyan artırımlı ağaçlar algoritması modeli ile elde edilmiş ve dolayısıyla talep tahmini bu algoritma ile gerçekleştirilmiştir. Optimizasyon modülünde ise; kârı maksimize etmek amacı ile, parçacık sürü optimizasyonu ve genelleştirilmiş tavlama benzetimi olmak üzere iki farklı metasezgisel algoritma kullanılarak ve bir önceki modülde hesaplanan en iyi talep tahmin değerleri dikkate alınarak optimizasyon modelleri kurulmuş ve modellerin sonuçları karşılaştırılmıştır. En iyi performansın elde edildiği genelleştirilmiş tavlama benzetimi algoritması modeli ile perakende firması için toplam kâr ve her bir ürün için optimum fiyat verileri elde edilmiştir. Önerilen dinamik fiyatlandırma karar destek sistemi Türkçe literatürde ilktir ve bu yönüyle önem taşımaktadır. Her ne kadar Türkçe literatürde moda endüstrisine ait indirim optimizasyonu çalışmalarında talep tahmini ve optimizasyondan oluşan karar yapıları mevcut olsa da, dinamik fiyatlandırma konusunda Türkçe literatürde bu içerikte bir çalışmaya rastlanmamıştır. Uluslararası literatürde ise sadece García-Calderón Chávez (2017)'in çalışmasında bir bira firması için dinamik fiyatlandırma aracı geliştirilmiş, ürün portföyü için fiyatın bir fonksiyonu olarak talep öğrenme algoritması ile kârı maksimize etmek amacıyla ürünler için en uygun fiyatlar belirlenmiştir. Ancak bu tez çalışmasında; daha kapsamlı bir karar destek sistemi önerilerek, UiPath ile veri kazıma işlemi gerçekleştirilmiş ve rakip perakende firmalarının fiyat verileri de karar destek sistemine dahil edilmiştir. Ayrıca yine bu çalışmada, farklı tahminleme ve optimizasyon algoritmaları sistem içinde çalıştırılmıştır. Tüm bu yönleri ile tez çalışmasının hem akademik hem de sektörel anlamda katkı sağlayacağı düşünülmektedir.
Özet (Çeviri)
Traditional, static and rule-based pricing systems, which have been used by retailers for many years, fall short of adapting to the innovations brought by digitalization and changes in consumer behavior. Therefore, it is inevitable to use data-driven dynamic pricing decision support systems today in order to increase profitability and revenue and gain a competitive advantage. In this master thesis, a dynamic pricing decision support system has been developed in order to obtain revenue optimization in the grocery retail company where the case study was conducted. The developed decision support system consists of four stages: data pre-processing, data scraping, demand forecasting module and optimization module. During the data pre-processing phase, the raw data obtained from the retail company was made available for demand prediction algorithms by passing through data cleaning and feature engineering processes. With the data scraping process, the price data of the competitors for the considered products were taken from their websites and transferred to the data set. In the demand forecasting module, in order to achieve high-accuracy demand forecasting; models were created with the distributed random forest, gradient boosting machine and extreme gradient boosting trees algorithms, which are among the state-of-the-art tree based machine learning algorithms. Model results were compared according to various performance metrics. According to the comparison results, the best performance was obtained with the extreme gradient incremental trees algorithm model and therefore the demand estimation was performed with this algorithm. In the optimization module, in order to maximize profit, two different metaheuristic algorithms that are particle swarm optimization and generalized simulated annealing, were used and optimization models were established by considering the best demand estimation values calculated in the previous module and the results of models were compared. The total profit and optimum price data were obtained for the retail company with the generalized simulated annealing algorithm model with the best performance. The proposed dynamic pricing decision support system is the first in the Turkish literature and is important in this respect. Although there are decision systems consisting of demand forecasting and optimization in the discount optimization studies of the fashion industry in the Turkish literature, there is no study on dynamic pricing content. In the international literature, only García-Calderón Chávez (2017) developed a dynamic pricing tool for a brewery company, and the most favorable prices for the products were determined with the demand learning algorithm as a function of the price for the product portfolio, in order to maximize profit. However in this thesis, a more comprehensive decision support system was proposed by performing data scraping with UiPath and including price data of rival retail companies into the decision support system.. Also, different estimation and optimization algorithms were run in the decision support system. With all these aspects, it is thought that this thesis have both academic and sectoral contribution.
Benzer Tezler
- Perakendecilikte mevsimsel talebe sahip ürünlerin gelir yönetimi için dinamik fiyatlandırma
Dynamic pricing for revenue management of products which have seasonal demand in retailing
MURAT TAHA BİLİŞİK
Doktora
Türkçe
2013
Endüstri ve Endüstri Mühendisliğiİstanbul ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR ESNAF
- Müşteri grupları temelli dinamik fiyatlandırmanın müşteri algısı üzerinde ki etkisi: Türkiye'de perakende sektöründe bir uygulama
Effect of customer groups based dynamic pricing on customer perception: An application in retail sector in Turkey
DUYGU KOLSUZ
Yüksek Lisans
Türkçe
2021
İşletmeİstanbul Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. HATİCE ANIL DEĞERMEN ERENKOL
- Kayıp satış miktarlarının makine öğrenmesi ve zaman serisi ile analizi
Analysis of lost sales quantities with machine learning and time series
RIDVAN EYYÜPKOCA
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDoğuş ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA ZAHİD GÜRBÜZ
- Joint inventory and pricing decisions in retail industry
Perakende sektöründe ortak stok ve fiyat belirleme kararları
ÖZLEM BİLGİNER
Yüksek Lisans
İngilizce
2005
Endüstri ve Endüstri MühendisliğiSabancı ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
Y.DOÇ.DR. KEMAL KILIÇ
Y.DOÇ.DR. KEREM BÜLBÜL
- Bı̇rlı̇ktelı̇k kural çıkarım ı̇le ürün önerı̇ algorı̇tmasının gelı̇ştı̇rmesı̇ ve analı̇zı̇
Development and analysis of product recommendation algorithm withassociation rule mining
NAMATULLAH WAHİDİ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırgızistan-Türkiye Manas ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. RİTA İSMAİLOVA