E-commerce customer analytics: Customer lifetime value management and optimization
E-ticaret müşteri analitiği: Müşteri yaşam boyu değeri yönetimi ve optimizasyonu
- Tez No: 929864
- Danışmanlar: DOÇ. DR. OKAN YAŞAR
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Mühendislik Bilimleri, Industrial and Industrial Engineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
- Sayfa Sayısı: 59
Özet
Bu çalışma, e-ticaret sektöründe müşteri davranışını anlamak ve stratejik karar alma süreçlerini iyileştirmek için CLTV (Customer Lifetime Value) ve RFM (Recency, Frequency, Monetary) analiz yöntemlerini kapsamlı şekilde incelemektedir. Araştırmada Kaggle'dan alınan 525,461 gözlem içeren“Online Retail II”veri seti kullanılmıştır. Müşterilerin satın alma geçmişi, işlem sıklığı ve harcama tutarlarına ilişkin veriler, Python programlama dili ve Scikit-learn kütüphanesi kullanılarak işlenmiştir. RFM Analizi, müşterileri yenilik (Recency), sıklık (Frequency) ve parasal değer (Monetary) kriterlerine göre segmente etmiştir. Champions ve Potential Loyalists gibi yüksek değerli gruplar için özel kampanyalar, sadakat programları ve özelleştirilmiş indirimler önerilmiştir. New Customers grubuna ise alışkanlık geliştirme ve marka bağlılığını artırmaya yönelik stratejiler sunulmuştur. CLTV Analizi, müşterilerin yaşam boyu değerini tahmin ederek stratejik önceliklerin belirlenmesini sağlamıştır. Yüksek CLTV'ye sahip müşteriler için gelir artırıcı stratejiler geliştirilirken, düşük CLTV'ye sahip müşteriler için churn (müşteri kaybı) oranlarını azaltmayı hedefleyen sadakat programları önerilmiştir. Sonuç olarak, RFM ve CLTV yöntemlerinin birleştirilmesi, işletmelerin hem kısa vadeli pazarlama planlarını hem de uzun vadeli müşteri ilişkileri stratejilerini geliştirmesine olanak tanımaktadır. Bu analizler, işletmelere müşteri memnuniyeti, pazarlama etkinliği ve rekabet avantajı sağlama konusunda önemli bir katkı sunmaktadır.
Özet (Çeviri)
This study comprehensively examines CLTV (Customer Lifetime Value) and RFM (Recency, Frequency, Monetary) analysis methods to better understand customer behavior and improve strategic decision-making processes in the e-commerce sector. The research utilizes the“Online Retail II”dataset from Kaggle, containing 525,461 observations. Customer purchase history, transaction frequency, and spending amounts were processed using Python programming language and the Scikit-learn library. RFM analysis segmented customers based on three criteria: recency, frequency, and monetary value. For high-value groups such as Champions and Potential Loyalists, tailored campaigns, loyalty programs, and personalized discounts were proposed. For the New Customers segment, strategies focusing on habit-building and increasing brand loyalty were suggested. CLTV analysis estimated customers' lifetime value to prioritize strategic decisions. Revenue-boosting strategies were developed for customers with high CLTV, while loyalty programs aimed at reducing churn rates were recommended for those with low CLTV. In conclusion, combining RFM and CLTV methods allows businesses to enhance both short-term marketing plans and long-term customer relationship strategies. These analyses provide significant contributions to businesses in improving customer satisfaction, increasing marketing efficiency, and gaining competitive advantages.
Benzer Tezler
- Müşteri analitiği ve öneri sistemleri uygulaması
Customer analytics and recommender systems application
ÖZGE ELMAS
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- E-ticarette iptal ve iadelerin müşteri yaşam değeri ve satın alma süreci üzerinde etkileri
The effects of cancellations and returns in e-commerce on custemer life value and purchose process
MELİH ÖZBEK
Yüksek Lisans
Türkçe
2025
Yönetim Bilişim SistemleriNecmettin Erbakan ÜniversitesiYönetim Bilişim Sistemleri Ana Bilim Dalı
DOÇ. DR. EMİNE NİHAN CİCİ KARABOĞA
- Exploring customer segmentation in fashion e-commerce through machine learning techniques
Makine öğrenmesi teknikleri kullanarak moda e-ticaret sektöründe müşteri segmentasyonu
NAZLINUR MADENOĞLU
Yüksek Lisans
İngilizce
2025
Yönetim Bilişim SistemleriAbdullah Gül ÜniversitesiVeri Bilimi Ana Bilim Dalı
DOÇ. DR. FARUK GÜVEN
- Predictive analytics in digital marketing: Applying a machine learning approach
Dijital pazarlamada öngörücü analitik: Bir makine öğrenimi yaklaşımı uygulaması
MUTHANA HAMAD
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiVeri Analitiği Ana Bilim Dalı
DOÇ. DR. SEFER KURNAZ
- Customer profile change analysis
Müşteri profili değişim analizi
KÜBRA AKYÜZ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYeditepe ÜniversitesiVeri Bilimi Ana Bilim Dalı
PROF. DR. EMİN ERKAN KORKMAZ