Investigation of data mining for marketing purposes
Başlık çevirisi mevcut değil.
- Tez No: 805351
- Danışmanlar: DR. ÖĞR. ÜYESİ SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 52
Özet
Bir ürünün, onu satın alma olasılığı daha yüksek olan müşteri tipine ulaştığından emin olmak için, Son yıllarda çevrimiçi Reklam tabanlı pazarlama, belirli bir ürün için daha fazla müşteri çekmeye başladı. Ancak bu çalışmada bir bankanın müşterilerinin yaşları da dahil olmak üzere bazı bilgileri kullanılarak ve beklenen maaş, olumlu mu yoksa olumsuz mu yanıt vereceklerini tahmin edebildik. Öncelikli olarak Python'da Lineplot ve Lmplot görselleştirmelerini kullanarak ürünümüzün Reklamına. Ve kanıtlamak için daha karmaşık veri kümeleri için veri görselleştirmesinin müşterinin davranış, bu nedenle, aynı veri kümesine güçlü makine öğrenimi modelleri uygulandı daha doğru tahminler yapmak için üç farklı sınıflandırma modeli kullanılmıştır: NaïveBayes, KNN ve SVM, bu modeller %88, %90 ve %88,75 doğruluk göstermiştir, sırasıyla. Son olarak, veri setinde bulunmayan yeni verilerin tahminleri, aynı modeller
Özet (Çeviri)
To make sure that a product reaches the type of costumers that are more likely to buy it, in the last decades online Ad-based marketing started to bring more costumers for a certain product. However, in this work by using some information about a bank's costumers including their age and expected salary we were able to predict whether they will respond positively or negatively to our product's Ad by Firstly using Lineplot and Lmplot visualizations in python. And to prove that for more complexed datasets data visualization is not enough to predict the costumer's behavior, therefore, powerful machine learning models have been applied on the same dataset to make more accurate predictions, three deferent classification models have been used: NaïveBayes, KNN and SVM, these models showed accuracies of 88%, 90%, and 88.75%, respectively. Finally, predictions of new data that do not exist in the data set were predicted by the same models.
Benzer Tezler
- Modeling of exchange rates by multivariate adaptive regression splines and comparison with classical statistical methods
Çok değişkenli uyarlanabilir regresyon eğrileri ile döviz kuru modellenmesi ve klasik istatistiksel yöntemlerle karşılaştırılması
ECE KÖKSAL
Yüksek Lisans
İngilizce
2017
EkonomiOrta Doğu Teknik ÜniversitesiFinansal Matematik Ana Bilim Dalı
PROF. DR. GERHARD WİEHELM WEBER
- Mimari tasarım eğitimi tasarım bilgisi bağlamında stüdyo eleştirileri
Architectural design education: Design knowledge cummunicated in studio critiques
BELKIS ULUOĞLU
- Para piyasasında banka dışı mali kesimde finansal farklılaşma: Factoring, forfaiting, leasing ve özel finans kurumları
Başlık çevirisi yok
MÜGEHAN ACARASLAN
- İnşaat pazarlama yönetiminde müşteri konut talep davranışlarının incelenmesi
Investigation of customer housing demand behaviors in construction marketing
YUSUF CAN ARIKAN
Yüksek Lisans
Türkçe
2022
İnşaat MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULLAH EMRE KELEŞ
- Neuroscience applications in the area of sustainability
Sürdürülebilirlik alanında nörobilim uygulamaları
TAMARA HUMMADI
Yüksek Lisans
İngilizce
2021
NörolojiBahçeşehir ÜniversitesiSağlık Bilimleri Ana Bilim Dalı
Dr. TİMUÇİN AVŞAR