Trendyol verileri üzerinde makine öğrenmesi modellerini kullanarak ürün popülaritesini tahmin etme
Predicting product popularity in e-commerce using machine learning models: A case study of Trendyol
- Tez No: 845555
- Danışmanlar: DR. ÖĞR. ÜYESİ NAGEHAN İLHAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Harran Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 78
Özet
Akıllı cihaz teknolojisinin hızlı gelişimiyle birlikte internetin günlük hayattaki kullanımı her geçen gün hızla yaygınlaşmaktadır. Teknolojideki bu büyüme çoğu yatırımcının yatırım alanını tamamen değiştirerek yatırımcıları e-ticaret sektörüne yöneltmiştir. Yapılan yatırımlarla e-ticaret sektöründe büyük gelişim yaşanmıştır. Bu gelişim ile e-ticarette tüm mal ve hizmet sektörünü kapsayan, sürekli yeni ürünler eklenmesi ve ürün/miktar ve çeşitliliğini arttırılarak kullanıcılara hizmet verilmektedir. Devasa verilerden oluşan bu sektörde; ürünlerin, kullanıcı ihtiyaçlarına göre sıralanması ve kullanıcının kendisi için en uygun ürünü seçmesi zorlaşmaktadır. Bu zorluğun üstesinden gelmek için birçok e-ticaret sitesinde, ürüne dayalı tahminler kullanılmaktadır. Bu tahminlerden biri olan ürünün popülerliği, o ürünü daha önce kullanan kullanıcıların geri bildirimi ile belirlenir. Geri bildirimler ürünün popülerliğini etkileyerek ürünün, kullanıcıya gösterilme sıralamasındaki yerini de belirlemektedir. Bu çalışmada, Trendyol e-ticaret sitesine ait 17 öznitelikten oluşan 7200 ürün verisi kullanılmış olup ürün özelliklerinin, ürünün favori sayısı üzerindeki etkisi araştırılmaktadır. Ürünlerin favorilenme sayısını tahmin etmek için Bagging, Gradient Boosting Machines (GBM), Light Gradient Boosted Machine (LightGBM) ve Extreme Gradient Boosting (XGBoost) gibi regresyon modelleri kullanılmıştır. Regresyon modelleri Mean Absolute Error (MAE), Mean Square Error (MSE), Root Mean Square Error (RMSE) ve Mean Absolute Scaled Error (MASE) kullanılarak değerlendirilmiştir. Analiz sonuçları, modellerin düşük hata oranı ile başarılı bir şekilde ürünlerin favori sayısının tahmin edilebildiğini göstermiştir. Ayrıca veri setindeki favori sayılarının sınıflandırarak favori sayı sınıflarından oluşan yeni bir veri seti oluşturuldu. Bu veri setini kullanarak favori sayı sınıfının popülarite üzerindeki etkisi araştırılmıştır. Bunun için sınıflama modellerinden Decision Tree, GBM, LightGBM, Naive Bayes, Random Forest, SVM ve XGBoost sınıflama modelleri kullanılmıştır. Sınıflama değerlendirme metriklerinden olan Accuracy, F1_score ve cross validation score değerleri ile modeller değerlendirildi. Analiz sonuçları, modellerin yüksek doğruluktaki başarı ile ürünlerin favori sayı sınıfını tahmin edebildiğini göstermiştir.
Özet (Çeviri)
With the rapid advancement of smart device technology, the daily use of the internet is increasingly becoming widespread each day. This growth in technology has completely transformed the investment landscape, directing many investors towards the e-commerce sector. Significant progress has been made in the e-commerce sector through these investments. This development involves covering the entire goods and services sector in e-commerce, continuously adding new products, and increasing the variety and quantity of products to provide services to users. In this vast sector composed of massive data, arranging products based on user needs and selecting the most suitable product for the user becomes challenging. To overcome this challenge, many e-commerce sites use product-based predictions. The popularity of a product, one of these predictions, is determined by the feedback from users who have previously used the product. Feedback influences the popularity of a product, determining its position in the display order shown to the user. In this study, data from 7200 products, consisting of 17 attributes related to the Trendyol e-commerce site, were used to investigate the impact of product features on the number of favorites. Regression models such as Bagging, Gradient Boosting Machines (GBM), Light Gradient Boosted Machine (LightGBM), and Extreme Gradient Boosting (XGBoost) were used to predict the number of favorites for products. Regression models were evaluated using metrics such as Mean Absolute Error (MAE), Mean Square Error (MSE), Root Mean Square Error (RMSE), and Mean Absolute Scaled Error (MASE). The analysis results showed that the models successfully predicted the number of favorites with a low error rate.Additionally, a new dataset was created by classifying the favorite numbers in the dataset, forming a dataset consisting of favorite number classes. This dataset was used to investigate the impact of favorite number classes on popularity. For this, classification models such as Decision Tree, GBM, LightGBM, Naive Bayes, Random Forest, SVM, and XGBoost were used. Models were evaluated using classification metrics including Accuracy, F1_score, and cross-validation score. The analysis results demonstrated that the models could predict the favorite number class of products with high accuracy.
Benzer Tezler
- An intelligent system for ranking e-commerce customer reviews to boost engagement
Müşteri etkileşimini artırmak için e-ticaret müşteri yorumlarını sıralayan akıllı sistem
ERTUĞRUL YÜCEL
Yüksek Lisans
İngilizce
2024
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. TOLGA KAYA
- E-ticaret platformlarına ait operasyon merkezinde makine öğrenmesi ile birliktelik analizi ve ürün lokasyonlarının belirlenmesi
Association analysis and determining product locations with machine learning in operation center of e-commerce platforms
MELİH YÜCE KILIÇARSLAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM ÇİL
- Websitelerinin kullanılabilirlik değerlendirmesi
Usability evaluation of websites
NEVCİHAN TORAMAN
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÇİĞDEM ALTIN GÜMÜŞSOY
- Davranışsal iktisat bağlamında sosyal medya reklamlarının tüketici karar verme tarzlarına ve satın alma niyetine etkisi: Onlıne pazar yerleri örneği
The effect of social media advertising on consumer decision-making and purchase intention in the context of behavioral economics: The example of online market places
NAHİDE EBRAR KUBİLAY
- Motivasyon faktörlerinin tüketici satın alma kanalı seçimine olan etkileri
The effects of motivation factors on the consumer purchase channel decision
BURCU ÖZDEMİR
Yüksek Lisans
Türkçe
2017
İletişim Bilimleriİstanbul Bilgi ÜniversitesiPazarlama İletişimi Ana Bilim Dalı
DOÇ. DR. EMİNE ESER GEGEZ