Geri Dön

Satış tahminlemesinde hibrit bir yaklaşım: Pestel, RFM, gradient boosting

A hybrit approach to sales prediction: Pestel, RFM, gradient boosting

PDF İndir

  1. Tez No: 719989
  2. Yazar: ESRA AKCA
  3. Danışmanlar: PROF. DR. SEMRA ERPOLAT TAŞABAT
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: İstatistik Bilim Dalı
  13. Sayfa Sayısı: 30

Özet

Teknolojinin ilerlemesi ve internet kullanımının yaygın hale gelmesi ile birlikte adını sıkça duymaya başladığımız büyük veri kavramı ortaya çıkmıştır. Kısaca yapısal olmayan veri yığını olarak ifade edilen büyük verinin anlamlı bilgilere dönüştürülmesi, gizli kalmış örüntülerin ortaya çıkarılması farklı yöntemlerle gerçekleştirilebilir. Veri madenciliği olarak adlandırılan bu yöntem ve algoritmalar topluluğu istatistik ile birleştirilerek daha anlaşılabilir ve anlamlı çözüm yollarına dönüşmüşlerdir. Bu yöntemlerden bir tanesi de RFM analizidir. RFM analizi Recency Frequency ve Monetary kelimelerinin kısaltması olup davranışa dayalı müşteri segmentasyonunu gerçekleştiren etkili ve pratik bir pazarlama modelidir. Pazarlama stratejilerinin geliştirilmesine yardımcı olan RFM analizinin temel dayanak noktası yakın zamanda alışveriş eden, sık alışveriş eden ve alışverişlerinde yüksek miktarda getiri sağlayan müşterilerin gelecekteki pazarlama kampanyalarına olumlu dönüş yapabilecek potansiyel müşteriler olacağı görüşüdür. Günümüz şartlarında aynı alanda hizmet üreten veya ürün satan bir çok firma bulunmaktadır. Firmalar oldukça rekabetçi koşullarda yarışmaktadır. Hizmet üreten veya ürün satan firmalar için en önemli durum doğru müşteriyle, doğru zamanda iletişim kurmaktır. Bu sayede firmalar kaynaklarını optimum şekilde tüketmektedir. Aynı zamanda müşteriler için doğru zamanda gelen teklifler önemliyken, ihtiyacının olmadığı zamanda gelecek teklifler, ürün ve hizmet satın alan müşteriler için gereksiz zaman kaybına, müşteri şikayetine sebep olabilmektedir. Karmaşık veri kümelerinden anlamlı sonuçlar elde etmek ve içerdiği verinin belirli özelliklerine göre veri setinin sınıflara ayrılması için, veri madenciliğinin farklı bir yöntemi olan sınıflandırma algoritmaları geliştirilmiştir. Sınıflandırma problemlerinde yapay zeka alanının alt kümesi olan makine öğrenmesi algoritmaları yüksek düzeyde doğru tahmin ediciler olarak kullanılmaktadır. Bu çalışmada RFM analizinin ardından; elde edilen analiz çıktısı, şirketlerin çevresel olarak etkilendiği; PESTEL (Political, Economic, Social, Technological, Legal and Environmental) analizinin etkileyici faktörleriyle birlikte satışlar üzerindeki sınıflandırma süreci ele alınacaktır. Sınıflandırma algoritmalarından, Gradient Boosting makine öğrenmesi algoritması uygulanacaktır. Modellerin tahmin değerlerinin doğruluğuyla ilgili performans ölçüm sonucu ve model açıklanabilirliği değerlendirilecektir. Söz konusu model ile verimlilik süreçlerinin daha kaliteli hale getirilmesi ve müşteri ilişkilerini daha doğru yönetecek bir sınıflandırma yönteminin geliştirilmesi hedeflenmiştir. Anahtar Kelimeler : RFM Analizi, Veri Madenciliği, Gradient Boosting Algoritması, PESTEL Analizi, Müşteri İlişkileri Yönetimi

Özet (Çeviri)

With the advancement of technology and the widespread use of the internet, the concept of big data, which we hear frequently, has emerged. In short, the transformation of big data, which is expressed as an unstructured data stack, into meaningful information, and revealing hidden patterns can be realized by different methods. This collection of methods and algorithms, called data mining, has been combined with statistics and turned into more understandable and meaningful solutions. One of these methods is RFM analysis. RFM analysis is the abbreviation of Recency Frequency and Monetary, and it is an effective and practical marketing model that performs behavior-based customer segmentation. The basic premise of RFM analysis, which helps to develop marketing strategies, is the view that customers who shop recently, shop frequently, and generate high returns on their purchases will be potential customers who can make a positive return to future marketing campaigns. In today's conditions, many companies produce services or sell products in the same field. Firms compete in highly competitive conditions. The most important situation for companies that produce services or sell products is to communicate with the right customer at the right time. In this way, companies consume their resources optimally. At the same time, while offers that come at the right time are important for customers, offers that come when they do not need them can cause unnecessary time loss and customer complaints about customers who purchase products and services. Classification algorithms, a different method of data mining, have been developed to obtain meaningful results from complex data sets and to classify the data set according to certain characteristics of the data it contains. Machine learning algorithms, which are a subset of artificial intelligence, are used as highly accurate estimators in classification problems. After RFM analysis in this study; With the data envelopment method of the analysis output obtained, companies are affected environmentally; The classification process on sales will be discussed along with the influencing factors of the PESTEL (Political, Economic, Social, Technological, Legal and Environmental) analysis. Among the classification algorithms, the Gradient Boosting machine learning algorithm will be applied. The performance measurement result and model explainability related to the accuracy of the predicted values of the models will be evaluated. This model, it is aimed to improve production processes and develop a classification method that will manage customer relations more accurately. Keywords : RFM Analysis, Data Mining, Gradient Boosting Algorithm, PESTEL Analysis, Customer Relations Management

Benzer Tezler

  1. Tez No

    713705

    Perakende sektöründe veri madenciliği teknikleri ile satış tahmini

    Sales forecasting in the retail sector with data mining techniques

    PELİN DİNÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMaltepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN AYGÜN

  2. Tez No

    618925

    Perakende sektöründe veri madenciliği ile satış tahmini

    Sales forecasting in retail sector with data mining

    NESLİHAN YEGEN

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Bilim ve TeknolojiBahçeşehir Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. MEHMET ALPER TUNGA

  3. Tez No

    447145

    Sales history-based demand prediction by using generalized linear models

    Genelleştirilmiş doğrusal modeller kullanarak satış geçmişi tabanlı talep tahminlemesi

    BAŞAR ÖZENBOY

    Yüksek Lisans

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. SELMA TEKİR

  4. Tez No

    864956

    Yapay sinir ağları ile ilaç talep tahmini ve bir ecza deposunda uygulama

    Pharmaceutical demand forecasting with artificial neural networks and application in a pharmaceutical warehouse

    CEREN BAŞARAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiKütahya Dumlupınar Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDURRAHMAN YILDIZ

  5. Tez No

    232492

    Forecasting demand of magazines and modelling seasonality

    Dergilerin talep tahmini ve mevsimselliğin modellenmesi

    ABDULLAH AKTEL

    Yüksek Lisans

    İngilizce

    İngilizce

    2008

    Endüstri ve Endüstri MühendisliğiBoğaziçi Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DOÇ. DR. WOLFGANG HORMANN

Geri Dön