Geri Dön

Veri analizi teknikleriyle müşteri değer segmentasyonu oluşturulması ve bir perakende sektöründe uygulama

Creating customer value segmentation using data analysis techniques and its application in the retail industry

  1. Tez No: 808311
  2. Yazar: DAĞHAN BATAL
  3. Danışmanlar: DR. ÖĞR. ÜYESİ SELÇUK ŞEN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: İSTANBUL BEYKENT ÜNİVERSİTESİ
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 93

Özet

Gelişen teknoloji ve artan lojistik faaliyetleri işletmelerin daha geniş müşteri ağına sahip olmasını sağlamaktadır. Bu değişim nedeniyle işletmeler artık müşterilerini tanımak zorunda kalmaktadır. İşletmeler müşterilerin davranış ve alışkanlıklarından yola çıkarak bir çıkarım sağlamak istemektedir. Bu çıkarımlar neticesinde müşterilerine stratejik tavırlar oluşturmakta ve yüksek oranda olumlu geri dönüşler beklemektedir. Tez kapsamında öncelikle veri madenciliğine ilişkin literatür taraması gerçekleştirilmiştir. Literatür taraması neticesinde bir perakende sektörüne ait 1.000.000'u aşkın müşterinin davranış ve alışkanlıkları belirli kriterler dahilinde incelenmiştir. Veriler önce belirli bir ön aşamadan geçirilerek uygun hale getirilmiştir. Sonrasında küme sayısı belirlenerek K-Means yöntemi ile veriler kümelere ayrılmış benzer davranış ve alışkanlıklara sahip müşterilerin bir arada bulunması sağlanmıştır. Oluşan kümeler neticesinde her kümenin değer tanımlamaları yapılarak kümeler hakkında oluşturulabilecek stratejik tavırlar belirlenmiştir. Son bölümde sonuçlara ilişkin çıkarımlar değerlendirilmiştir.

Özet (Çeviri)

Advancements in technology and logistics activities allow businesses to have a wider customer base. As a result of this change, businesses now need to know their customers better. Businesses aim to infer insights from customers' behavior and habits, and create strategic approaches for their customers, expecting high levels of positive feedback in return. In this thesis, a literature review on data mining was initially conducted. As a result of the literature review, the behaviors and habits of over 1,000,000 customers in a retail sector were examined based on certain criteria. The data was processed through a preliminary stage and made suitable for analysis. Then, by determining the number of clusters, the data was divided into clusters using the K-Means method, grouping customers with similar behaviors and habits together. Strategic approaches that can be created for each cluster were identified by defining the value of each cluster. In the final section, conclusions were drawn based on the results.

Benzer Tezler

  1. RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data

    İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi

    MUSTAFA ÇAMLICA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FETHİ ÇALIŞIR

  2. Müşteri kayıp analizi: Hava yolu sektöründe bir uygulama

    Customer churn analysis: An application in airline industry

    FATMA KAPTAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Sivil Havacılıkİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN YILDIRIM

  3. Data mining applications on web usage analysis and user profiling

    İnternet kullanım analizi ve kullanıcı betimleme konularında veri madenciliği uygulaması

    OSMAN ONAT ÖNAL

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    ÖĞR. GÖR. HALİL HALEFŞAN SÜMEN

  4. Customer lifetime value prediction and segmentation analysis for commercial customers in the banking industry

    Bankacılık sektöründeki tüzel müşteriler için müşteri yaşam boyu değeri tahmini ve segmentasyon analizi

    FEYZA TARTAR BAKIR

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Büyük Veri ve Veri Analitiği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SÜHA TUNA

  5. Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans

    Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma

    AHMET TALHA YİĞİT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bankacılıkİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ