E‐ticaret sektöründe müşteri kaybının yapay öğrenme teknikleri ile tahminlenmesi
Churn customer prediction in the e-commerce industry with machine learning techniques
- Tez No: 773734
- Danışmanlar: DOÇ. DR. ŞERAFETTİN ALPAY
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Eskişehir Osmangazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Üretim ve Servis Sistemleri Bilim Dalı
- Sayfa Sayısı: 93
Özet
Teknolojinin gelişmesi ve internetin etkin bir şekilde kullanılması birçok durumu etkilediği gibi alışverişi de etkilemiştir. Bu durum tüketici davranışının doğasında temel değişimlere yol açmış ve internet alışverişine hız kazandırmıştır. Özellikle pandeminin tüm dünyayı etkisi altına aldığı süreçte internet alışverişine talep artmış ve bu süreçle birlikte eticaret sektörü canlanmıştır. E-ticaretin tüketicinin hayatını kolaylaştırmasıyla tüketiciler artık internet alışverişini daha fazla tercih eder hale gelmişlerdir. E-ticaret sektörünün hayatımızda geniş bir yer tutmasıyla e-ticaret firmaları arasında da rekabet ortamı oluşmaya başlamıştır. Bu sebeple firmalarda müşteriyi kaybetme endişesi oluşmuş ve bu probleme karşı çözüm aramaya başlamışlardır. Müşterileri elde tutmanın yenilerini elde etmekten çok daha rasyonel olması sebebiyle, rakip firmalar için müşteri kaybı yönetimi hayati bir önem kazanmıştır. Müşteriyi elde tutabilmek için e-ticaret firmalarının müşteri kaybını tahmin edebilmesi ve müşteri kaybı ile kontrolleri altındaki faktörler arasında bağlantılar kurabilmesi büyük önem teşkil etmektedir. Bu çalışmada önde gelen bir e-ticaret firmasının açık kaynaklı olan veri seti kullanılarak makine öğrenmesi algoritmaları aracılığıyla müşteri kaybı tahmini modeli geliştirilmiştir. Kodlama için Python programlama dili kullanılmış ve PyCharm uygulama geliştirme ortamında kodlama yapılmıştır. Veri setinde tespit edilen dengesizlik durumunu ortadan kaldırmak için SMOTE metodu uygulanmış ve veri seti dengeli hale getirilmiştir. Tahmin modeli geliştirmek için makine öğrenmesine ait sınıflandırma algoritmaları olan Lojistik Regresyon, K-En Yakın Komşu, Destek Vektör Makine, Karar Ağaçları, Rastgele Orman, XGBoost ve LightGBM kullanılmış ve belirlenen performans kriterlerine (doğruluk oranı(accuracy) ve AUC değerine göre kıyaslanmıştır. Yapılan çalışma sonucunda hem doğruluk oranı hem de AUC değerine göre en yüksek performansı gösteren ve uygulanabilir yapay öğrenme sınıflandırma modeli, LightGBM olarak seçilmiştir. Son olarak en iyi modele göre öznitelik seçimi yapılmış ve model anlamlı hale getirilmiştir.
Özet (Çeviri)
The development of technology and the effective use of the internet have affected many situations as well as shopping. This situation has led to fundamental changes in the nature of consumer behavior and accelerated internet shopping. Especially in the period when the pandemic affected the whole world, the demand for internet shopping increased and with this process, the e-commerce sector revived. With e-commerce facilitating the life of the consumer, consumers have become more preferable to online shopping. With the ecommerce sector taking a large place in our lives, a competitive environment has started to emerge among e-commerce companies. For this reason, companies have been worried about losing customers and they have started to look for a solution to this problem. Customer churn management has gained vital importance for competitors, as retaining customers is much more rational than acquiring new ones. In order to retain customers, it is of great importance for e-commerce companies to be able to predict customer loss and to establish links between customer loss and factors under their control. In this study, a customer loss estimation model was developed by using machine learning algorithms using the open-source data set of a leading e-commerce company. By choosing machine learning, instead of writing programs that take days, it is aimed to feed an algorithm with data and automate all business processes. Python software was used for coding and coding was done in PyCharm interface. Since there was an imbalance in the data set, the SMOTE method was applied and the data set was balanced. To develop the prediction model, the classification algorithms of machine learning, Logistic Regression, KNearest Neighbor, Support Vector Machine, Decision Trees, Random Forest, XGBoost and LightGBM were used and compared according to the determined performance criteria accuracy and AUC value. As a result of the study, LightGBM was chosen as the applicable machine learning classification model, which showed the highest performance in terms of both accuracy and AUC value. Finally, the feature selection was made according to the best model and the model was made meaningful.
Benzer Tezler
- Elektronik ticaretin hazır giyim sektöründe üreticiler ve tüketiciler açısından kullanım durumu
Using electronic trade in ready-made sector in terms of manufacturers and consumers
MELTEM ERDOĞAN ÇAĞLAYAN
Yüksek Lisans
Türkçe
2018
Giyim EndüstrisiGazi ÜniversitesiGiyim Endüstrisi ve Moda Tasarımı Eğitimi Ana Bilim Dalı
YRD. DOÇ. DR. HACI FATMA ŞENER
- E-ticaret ve dijital pazarlama sektöründe makine öğrenmesi algoritmaları kullanılarak müşteri kaybı tahmini
Customer churn prediction using machine learning algorithms in e-commerce and digital marketing industry
YASİN SARIYILDIZ
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BARIŞ TEKİN TEZEL
- E-ticaret sektöründe müşteri memnuniyeti ve sadakati arasındaki ilişkinin Yapısal Eşitlik Modeliyle incelenmesi
Customer satisfaction in e-commerce sector and Structural Equality of the relationship between guidance model investigation
MUHAMMED RAŞİD ŞİMŞEK
Yüksek Lisans
Türkçe
2017
EkonometriCumhuriyet ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. ADEM BABACAN
- E-ticaret sektöründe müşteri segmentasyonu ve müşteri yaşam boyu değeri tahmini problemine bir çözüm yaklaşımı
A solution approach to the customer segmentation and customer lifetime value prediction problem in the e-commerce sector
ASLINUR DURMUŞ
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SELİN SONER KARA
- Türkiye'deki e-ticaret sektöründe, müşteri deneyiminin müşteri memnuniyeti üzerindeki etkisi
The impact of customer experience on customer satisfaction in the e-commerce sector in Turkey
ŞEVVAL KARABACAK