Geri Dön

Kampanya seçiminde müşteri davranışlarının makine öğrenmesi ile öngörülmesi : CRM uygulamaları

Predicting customer behavior in campaign selection using machine learning: CRM applications

PDF İndir

  1. Tez No: 916522
  2. Yazar: SEMRA ALTINCELEP
  3. Danışmanlar: DR. ÖĞR. ÜYESİ EFE SARIBAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, Econometrics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Veri Yönetimi ve Analizi Bilim Dalı
  13. Sayfa Sayısı: 172

Özet

Son yıllarda artan veri hacmi ve gelişen teknoloji sebebiyle birçok ürün ve hizmet ulaşılabilir bir hale gelmiştir. Bu gelişmeler neticesinde verilerden anlamlar çıkarıp aksiyom alan çoğu şirket çağın gerisinde kalmayarak rekabetçi piyasa koşullarında ayakta kalmayı başarmışlardır. Gelecek bir zaman diliminde yaşanacak herhangi bir durumu önceden kestirebilmek şirketler açısından oldukça önemli ve öne çıkmayı sağlayan bir durumdur. Karı maksimize etmek en temel amaçlardan biridir. Bunun içinde ihtiyaç duyulan şey öncelikle bir müşteri ve müşteriyi elde tutma sadakatidir. Markalar çoğu zaman yeni müşteri elde etmenin maliyetini göze almamak için var olan müşterilerine sürekli alışveriş yapmaları için kampanyalar yaparlar. Tam olarak bu noktada alım yapacak müşteri kitlesini belirlemek ve alım yapacakları fiyatları ön görebilmek için devreye makine öğrenmesi ve CRM kavramları girer. Müşteri kitlesini bilmek hem eldeki müşteriyi sürekli alışverişe davet etmek için hem de daha sonra gelecek olan müşterinin hangi kampanyayı seçip alışveriş yapmaya meyilli olacağı makine öğrenmesi aracılığıyla tahmin edilerek doğru bir yönlendirme sağlar. Pazarlama kampanyalarında kişiselleştirilmiş kampanyalar ve bununla birlikte özelleştirilmiş fiyatlar sunabilmek amacıyla müşteri ilişkileri yönetiminde veri bilimi çalışmaları oldukça gündemdedir. Bu tez çalışmasında pazarlama stratejileri uygulayarak elde edilen müşterilerin şirket karını maksimize ederek müşterileri elde tutmayı hedeflerken müşterilerin satın alma davranışlarını makine öğrenmesi algoritmaları ile analiz edip müşterilere uygun satın alabilecekleri kampanyaları tahmin eder. Böylelikle müşterilere alım yapacakları doğru fiyatlarla kampanyalar belirlenip var olan müşteriler elde tutularak kar maksimize edilecektir. Buna istinaden bu çalışmada beş farklı makine öğrenmesi algoritmasının performansı detaylı bir şekilde incelenmiştir. Random Forest, Decision Tree, Support Vector Machine, XGBoost ve CatBoost algoritmaları, kampanya seçiminde müşterilerin demografik özelliklerine göre seçilen kampanyayı belirlemek üzere kapsamlı bir karşılaştırmaya tabi tutulmuştur. Araştırma sonuçları, her algoritmanın performansını, doğruluk oranını ve genel etkinliğini değerlendirmiş ve özellikle Random Forest, XgBoost ve CatBoost algoritmalarının diğer yöntemlere kıyasla daha yüksek doğruluk oranı ve genel performans sunduğunu ortaya koymuştur. Bu bulgular, işletmelerin kampanya stratejilerini kişiselleştirilme açısından nasıl optimize edebileceği konusunda değerli bilgiler sunmaktadır.

Özet (Çeviri)

In recent years, the increasing volume of data and advancements in technology have made numerous products and services more accessible. As a result, many companies that extract meaningful insights from data and take action accordingly have managed to stay competitive in the evolving market landscape. The ability to predict future events in advance is crucial for businesses, as it provides a significant competitive advantage. Maximizing profit is one of the primary objectives, and achieving this requires acquiring and retaining loyal customers. Since acquiring new customers is often costly, brands frequently launch campaigns to encourage their existing customers to make repeated purchases. At this point, machine learning and Customer Relationship Management (CRM) play a vital role in identifying the target customer base and predicting the optimal pricing strategies for them. Understanding the customer base not only enables businesses to encourage existing customers to continue shopping but also allows them to predict which future customers are more likely to choose specific campaigns, thus ensuring effective targeting through machine learning. In marketing campaigns, the application of data science in customer relationship management has become increasingly relevant for offering personalized campaigns and customized pricing strategies. This thesis aims to maximize company profits by retaining customers acquired through marketing strategies while analyzing their purchasing behavior using machine learning algorithms to predict suitable campaigns for them. In this way, campaigns will be designed with optimal pricing for customers, ensuring customer retention and maximizing profitability. Accordingly, this study conducts a detailed performance analysis of five different machine learning algorithms: Random Forest, Decision Tree, Support Vector Machine, XGBoost, and CatBoost. These algorithms are comprehensively compared to determine the most effective approach for selecting the appropriate campaign based on customers' demographic characteristics. The research findings evaluate the accuracy and overall effectiveness of each algorithm, revealing that Random Forest, XGBoost, and CatBoost outperform other methods in terms of accuracy and overall performance. These findings provide valuable insights into how businesses can optimize their campaign strategies through personalization and data-driven decision-making.

Benzer Tezler

  1. Tez No

    166343

    Bankacılık sektörü kampanya yönetiminde ileri teknoloji uygulamaları

    Advanced technological applications for the campaign management in the banking sector

    TÖRE TEKELİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. CENGİZ KAHRAMAN

  2. Tez No

    292755

    Customer segmentatıon for campaıgn management by usıng fuzzy c-means

    Kampanya yönetimi için fuzzy c-means algoritması kullanılarak müşteri segmentayonu yapılması

    ÜMİT ŞAHİN

    Yüksek Lisans

    İngilizce

    İngilizce

    2011

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ADEM KARAHOCA

  3. Tez No

    625843

    The roaming salesman problem and its application to election logistics

    Dolaşım satıcısı problemi ve seçim lojistiğine uygulanması

    MASOUD SHAHMANZARİ

    Doktora

    İngilizce

    İngilizce

    2019

    Mühendislik BilimleriKoç Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    DOÇ. DR. DENİZ AKSEN

  4. Tez No

    878618

    Müşterilerin E-ticaret platformu seçimlerini etkileyen faktörlerin bulanık bilişsel haritalama yöntemi ile önceliklendirilmesi

    Prioritization of factors affecting customers' E-commerce platform selection with fuzzy cognitive mapping method

    ÇAĞLAR AKIN

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik Bilimleriİstanbul Teknik Üniversitesi

    İşletme Mühendisliği Ana Bilim Dalı

    PROF. DR. FERHAN ÇEBİ

  5. Tez No

    475947

    Siyasal kampanyaların Amerikanlaşması: 2014 Cumhurbaşkanlığı Seçiminde adayların kampanya örnekleri

    Americanization of political campaigns: 2014 Presidential Election campaign examples of candidates

    ŞAHİN PARMAKSIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Siyasal BilimlerÇankaya Üniversitesi

    Siyaset Bilimi ve Uluslararası İlişkiler Ana Bilim Dalı

    DOÇ. DR. HASAN BAHADIR TÜRK

Geri Dön