Geri Dön

Using machine learning to estimate customers' valuations in a single product pricing problem

Tek ürünlü fiyatlandırma probleminde makine oğrenmesi ile müşterilerin değerlendirme tahmini

PDF İndir

  1. Tez No: 825603
  2. Yazar: KHOSROPARVIZ NADERIVARANDI
  3. Danışmanlar: ASSIST. ASSOC. DR. EZGİ KARABULUT TÜRKSEVEN, ASSIST. ASSOC. DR. BURAK GÖKGÜR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 130

Özet

Müşterilerin değerlemelerini tahmin etmek, perakendede müşterilerin bir ürün için ödemeye istekli oldukları tutarı öğrenmek amacıyla, satıcıların daha iyi fiyat seviyeleri belirlemelerine ve dolayısıyla geliri artırmalarına yardımcı olan bir hedeftir. Elde edilmek istenen strateji tek ürünlü pazarda en yüksek geliri (ödülü) üreten fiyat seviyesini belirler. Bu fiyat seviyesini etkileyen en temel kriter, pazardaki müşteri profilleridir. E-ticaret işletmelerinde, müşteri satış bilgilerinden oluşan büyük veri bulunmaktadır. Bu verinin analizi ve işlenmesi, pazar ve müşteri profilleri hakkında daha fazla içgörü sağlama ve dolayısıyla satış gelirlerini artırmaya katkıda bulunma potansiyeli taşımaktadır. Bu tez, müşterilerin değerlemelerini tahmin etmeyi ve en yüksek geliri getiren en uygun fiyatı bulmayı amaçlamakta olup, bunu yapmak için makine öğrenmesi algoritmalarını müşteri satış bilgilerine uygulamayı amaçlamaktadır. Bu tezde, müşteri değerlemelerini tahmin etmek için çeşitli algoritmalar geliştirilmiştir; farklı pazar yapıları ve mevcut önbilgi düzeyleri dikkate alınmıştır. Bu pazar yapıları, segment sayısı, segment dağılımları ve sıralamaları gibi parametreleri kapsar ve deterministik veya rassal değerlemelerin bulunması gibi senaryoları içerir. Çevrimdışı öğrenme adımlarında, algoritmalar değerlemelerin başlangıç tahminlerini elde etmek üzere tasarlanmıştır; bunlar, rassal olduğunda dağılımın alt ve üst sınırlarını, segment dağılımını, bu dağılımların sırasını ve pazardaki segment sayısını içerir. Ayrıca, satış bilgilerinin kademeli olarak toplandığı çevrimiçi öğrenme algoritmaları geliştirilmiştir. Bu algoritmaların temel amacı, sürekli analiz ve karar verme yoluyla satıcının gelirini artırmaktır. Önerilen algoritmalar ve yöntemlerden elde edilen sonuçlar, pazar yapısını tahmin etme ve yüksek gelir elde etme konusundaki başarısını göstermekte olup, beklenen gelire yakın sonuçlar ortaya koymaktadır. Bu bulgular, geliştirilen algoritmaların müşteri değerlemelerini tahmin etme ve satıcı için geliri optimize etme konusundaki etkinliğini ve verimliliğini vurgulamaktadır. Genel olarak, araştırma geliştirilen algoritmaların ve yöntemlerin önemli parametreleri tahmin etme, geliri enbüyükleme ve beklenen gelir değerlerine uyumlu gelir seviyelerine ulaşma konusundaki değerini göstermektedir. Bu bulgular, farklı pazar yapılarında faaliyet gösteren işletmeler için önemli sonuçlar doğurur; bu sonuçlar, bilinçli fiyatlandırma kararları alabilmelerini ve genel gelir potansiyellerini artırmalarını sağlar.

Özet (Çeviri)

Estimating customers' valuations is a goal in retail to learn the customers' willingness to pay for a product so that the seller can set better price levels and in turn increase revenue. In a single product setting, the strategy determines the optimal price level that generates the highest revenue (reward). A key criterion that affects these prices is the customer profiles in the market. In e-commerce businesses, there is big data consisting of the customers' sales information. Analyzing and processing this data will provide further insight into the market and the customer profiles, and therefore is promising to contribute to increasing sales revenues. This thesis aims to estimate the customers' valuations and find the optimal price that brings the highest revenue by applying machine learning algorithms to customer sales information. Throughout this thesis, a range of algorithms has been developed to estimate customer valuations, considering various market structures and the level of prior knowledge available. These market structures encompass parameters such as the number of segments, the segment distributions, and their order, and scenarios such as having deterministic or probabilistic valuations. In the offline setting, where a full dataset is available, the algorithms are designed to obtain initial estimates of valuations, including their lower and upper bounds when they are probabilistic, the distribution of segments, the order of these distributions, and the number of segments in the market. Furthermore, algorithms have been developed for the online setting, where sales information is gathered gradually. The primary objective in this scenario is to increase the seller's revenue through ongoing analysis and decision-making. The results obtained from the proposed algorithms and methods indicate their success in estimating the market structure and achieving high revenues, which closely align with the expected revenue. These findings highlight the effectiveness and efficiency of the developed algorithms in estimating customer valuations and optimizing revenue for the seller. Overall, the research demonstrates the value of the developed algorithms and methods in estimating crucial parameters, optimizing revenue, and achieving revenue levels that are in line with expected revenue values which we expect to achieve based on the true values of the market structure. These findings have significant implications for businesses operating in different market structures, enabling them to make informed pricing decisions and increase their overall revenue potential.

Benzer Tezler

  1. Tez No

    392927

    Nesneye dayalı yazılımların tasarım kalitesini ölçmek için öğrenme tabanlı bir yöntem

    A learning-based measurement method for design quality of object oriented software systems

    NURDAN CANBAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. FEZA BUZLUCA

  2. Tez No

    636989

    Türkiye'de elektrik kesintilerinin maliyeti: Tüketicilerin ve dağıtım şirketlerinin kesinti maliyetlerinin hesaplanması ve geleceğe yönelik tahminler

    Electricity interruption cost in Turkey: Calculation of customer and distribution company interruption cost and forecastings for the future

    BURAK DİNDAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ÖMER GÜL

  3. Tez No

    822159

    Analysis of online marketplace sales prediction based on machine learning algorithms: A case of Turkish e-commerce site

    Makine öğrenimi algoritmalarına dayalı çevrimiçi pazar yeri satış tahmininin analizi: Türk e-ticaret sitesi örneği

    ECEM KAYA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    İşletmeAbdullah Gül Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. MUHAMMED SÜTÇÜ

  4. Tez No

    847191

    Perakende sektöründe ikinci el araç fiyat tahminlemesinde makine öğrenmesi yöntemlerinin karşılaştırılması

    Comparison of machine learning methods for used car price forecast in the retail industry

    SELEN ÇOLPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Endüstri ve Endüstri MühendisliğiEskişehir Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. NİHAL ERGİNEL

  5. Tez No

    670452

    Income estimation model for individual customers

    Bireysel müşteriler için gelir tahmin modeli

    ÇAĞRI SARGAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Ekonometriİstanbul Bilgi Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. CENKTAN ÖZYILDIRIM

Geri Dön