APPLYING MACHINE LEARNING TECHNIQUES TO PREDICT CONSUMERS AGE GROUP AND IMPROVE TARGETING IN DIGITAL MARKETING
MAKİNE ÖĞRENİMİ TEKNİKLERİNİ UYGULAMA TÜKETİCİLERİN YAŞ GRUPLARINI TAHMİN ETMEK VEDİJİTAL PAZARLAMADA HEDEFLEMEYİ İYİLEŞTİRMEK
- Tez No: 928636
- Danışmanlar: DOÇ. DR. SEFER KURNAZ
- Tez Türü: Yüksek Lisans
- Konular: Belirtilmemiş.
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezin, dijital pazarlamada reklam kampanyalarının hedefini geliştirme amacıyla bir yaş grubunun sınıflandırılması için makine öğrenimi modellerini geliştirmesi bekleniyor. Her yaş grubundaki verilerin sınıflandırılması için iki ana model dikkate alındı: Rastgele Orman ve Ekstra Ağaçlar Sınıflandırıcısı. Model performansı için hassasiyet ve geri çağırma ölçümleri, parametrelerin optimizasyonu ve SMOTE dengelemesi için tekniklerin kullanımından önce ve sonra kontrol edildi. Gerçekten de, optimizasyonlardan sonraki sonuçlar, Rastgele Orman'ın Ekstra Ağaçlar'a göre %68,4'e kıyasla %86 oranında olağanüstü şekilde daha iyi performans gösterdiğini gösterdi. Olağanüstü performans, model yapısının kendisiyle açıklanabilir: Birkaç karar ağacının toplanmasına güvenerek, çeşitli verilerin sınıflandırılmasında daha fazla istikrar ve etkinlik sağlar. Karmaşıklık matrisleri, dağılımın benzer yaş grupları için daha düşük olduğunu gösterdi, bu da Rastgele Orman modelinin karmaşık kalıpları daha iyi tanıdığı anlamına geliyor. Bunu göz önünde bulundurarak, Rastgele Orman modeli, belirli bir yaş grubundaki potansiyel müşterileri büyük bir doğrulukla hedeflemeyi gerektiren pazarlama uygulamaları için kesinlikle daha iyidir. Ancak, yakın yaş gruplarına sınıflandırma konusunda hala bazı zorluklar var ve bunlar gelecekte daha yüksek bir örneklem büyüklüğü kullanılarak ve hibrit modeller ve diğer optimizasyon teknikleri uygulanarak çözülebilir. Bu nedenle bu çalışma, makine öğreniminin olanaklarını daha verimli dijital pazarlamaya ve daha yaratıcı öneri sistemlerine doğru genişletmek için fırsatlar sunuyor.
Özet (Çeviri)
This thesis is supposed to develop the machine learning models for the classification of an age group with the aim of enhancing the target of advertisement campaigns in digital marketing. For the classification of data in each age group, two major models are considered: the Random Forest and Extra Trees Classifier. Precision and recall measures for model performance were checked before and after the use of techniques for the optimization of parameters and SMOTE balancing. Indeed, the results after optimizations showed that Random Forest is outstandingly outperforming Extra Trees by 86% versus 68.4%. The outstanding performance could be explained by the model structure itself: relying on an aggregation of several decision trees, it allows for more stability and effectiveness in the classification of various data. Confusion matrices showed that the dispersion was lower for similar age groups, which means the Random Forest model better recognizes complicated patterns. Considering this, the Random Forest model is definitely better for marketing applications that require targeting potential customers of a specific age group with great accuracy. However, there are still some challenges regarding the classification into close age groups, which may be resolved in the future by using a higher sample size and applying hybrid models and other optimization techniques. This study therefore opens up opportunities for extending the possibilities of machine learning toward more efficient digital marketing and more creative recommendation systems.
Benzer Tezler
- Makine öğrenmesi yardımıyla zincir restoran gıda satışlarının tahmin edilmesi ve hava durumunun etkisinin incelenmesi
Forecasting food sales on chain restaurant and investigating weather effect on sales by using machine learning methods
SEZGİ ŞENER
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAŞAR ÖZTAYŞİ
- Cam sektöründe talep tahmin yöntemlerinin uygulanması ve değerlendirilmesi
Application and assessment of the demand forecasting methods in the glass sector
NESLİHAN DEMİRCİ
Yüksek Lisans
Türkçe
2015
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. MURAT BASKAK
- Makine öğrenmesi teknikleri ile frezeleme işlemlerinde takım aşınmasının tahmini
Prediction of tool wear in milling operations using machine learning techniques
GÖKBERK SERİN
Doktora
Türkçe
2024
Makine MühendisliğiTobb Ekonomi ve Teknoloji ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. HAKKI ÖZGÜR ÜNVER
- Prediction and optimization applications in disaster management
Afet yönetiminde tahmin ve optimizasyon uygulamaları
ŞULE NUR SARGIN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri MühendisliğiGalatasaray ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEVLÜDE EBRU ANGÜN
- Veri anonimleştirme tekniklerinin makine öğrenmesi ile sınıflandırma performansı üzerindeki etkilerinin karşılaştırmalı analizi
Comparative analysis of the effects of data anonymization techniques on classification performance i̇n machine learning
ZEHRA BEGÜM AKTOLGA
Yüksek Lisans
Türkçe
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiBilişim Sistemleri Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL HAKKI CEDİMOĞLU