Novel machine learning-based approaches for customer segmentation and data analysis
Müşteri segmentasyonu ve veri analizi için yeni nesil makine öğrenmesi yaklaşımları
- Tez No: 876065
- Danışmanlar: DOÇ. DR. ÖMER MELİH GÜL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Büyük Veri Analitiği ve Yönetimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Bugünlerde yoğun rekabet ortamında müşterileri anlamak ve pazarlama tekniklerini tercihlerine göre uyarlamak kritik öneme sahiptir. Bu araştırma, müşteri segmentasyonu için Makine Öğrenmesi tabanlı yaklaşımlar önererek veri analizini inceliyor ve kümeleme yoluyla elde edilen müşteri segmentlerinin sonuçlarını araştırıyor. Veri analizi yöntemlerine ek olarak, araştırma müşterileri satın alma alışkanlıkları, yaş, gelir ve veriden toplanan diğer özelliklere göre gruplandırmak için beş kümeleme yöntemi önermektedir: DBSCAN, Kendinden Örgütlenen Haritalar, k-En Yakın Komşu, Gauss Karmaşık Modeli ve K-Means. Daha sonra çalışma, farklı müşteri segmentleri oluşturmada her bir yöntemin etkinliğini karşılaştırır. Bu metodolojiler veri toplama, hazırlama, kümeleme yöntemlerinin kullanımı ve sayısal sonuçların değerlendirilmesini içerir. Bu makalenin temel amacı, farklı kümeleme yöntemlerini anlamak ve verilen verilerin sonuçlarına göre farklılıklarını işaretlemektir. Veri analitiği ve içgörü çıkarımı kullanarak müşteri gruplarını tanımlamak, karşılaştırmalı yöntemlere ve içgörü çıkarımına giden ilk adım, verileri süpermarket Pazarlama ekibi için faydalı bir araca dönüştürmek olacaktır. Araştırma, makine öğrenmesi algoritmalarına odaklanmakta ve bu yöntemleri karşılaştırmaktadır.
Özet (Çeviri)
Understanding clients and adapting marketing techniques to their preferences is crucial in today's competitive corporate environment. This research investigates data analysis by proposing Machine Learning-based approaches for customer segmentation and investigates its cluster customer segment results. In addition to looking into customer segmentation using machine learning approaches. It proposes five clustering methods, DBSCAN, Self- organizing maps , k-nearest Neighbors, Gaussian mixture model, and K-means, for grouping customers based on their purchasing habits, age , income and other attributes collected from the data. The study then compares the efficacy of each method in developing distinct customer segments. These methodologies include data collection, preparation, the use of clustering methods, and the evaluation of the numerical results. The main aim of this paper is to understand the different clustering methods and mark their differences according to the outcome of the given data. Using data analytic and insight extraction and identifying the customer groups would be the first step to comparative methods and insight extraction turning the data into a useful tool for the supermarket Marketing team. The research focuses on machine learning algorithms and compares these methods.
Benzer Tezler
- Ticari banka kredilerinin değerlendirilmesine yönelik bir karar destek modeli
A decision support model for the evaluation of commercial credits
SAİT GÜL
Doktora
Türkçe
2017
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZGÜR KABAK
PROF. DR. YUSUF İLKER TOPCU
- Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması
A novel optimization approach for integrated product assortment and its application in the retail sector
MUHAMMED CAN KONUR
Doktora
Türkçe
2024
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET BÜLENT DURMUŞOĞLU
- Makine öğrenmesi yöntemleri ile kredi risk analizi
Credit risk analysis using machine learning algorithms
SACİDE KALAYCI
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA ERSEL KAMAŞAK
- A novel hybrid method for efficient aspect-basedsentiment analysis using rule-based and unsupervisedmachine learning techniques
Kural tabanlı ve denetimsiz makine öğrenme teknikleri kullanarak etkin hedef tabanlı duygu analizi için yeni hibrit yöntem
MUHAMMED KERİM
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara ÜniversitesiYapay Zeka Teknolojileri Ana Bilim Dalı
PROF. DR. MURAT EFE
- Data-driven prediction and emergency control of transient stability in power systems towards a risk-based optimal power flow operation
Güç sistemlerinde risk tabanlı optimal güç akışı işletimineyönelik geçici hal kararlılığın veri güdümlü tahmini veacil durum kontrolü
SEVDA JAFARZADEH
Doktora
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. VEYSEL MURAT İSTEMİHAN GENÇ