Geri Dön

E-commerce customer analytics: Customer lifetime value management and optimization

E-ticaret müşteri analitiği: Müşteri yaşam boyu değeri yönetimi ve optimizasyonu

PDF İndir

  1. Tez No: 929864
  2. Yazar: MUSTAFA FURKAN ÖZKAYA
  3. Danışmanlar: DOÇ. DR. OKAN YAŞAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Endüstri ve Endüstri Mühendisliği, Engineering Sciences, Industrial and Industrial Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Bahçeşehir Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Mühendislik Yönetimi Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    511921

    Müşteri analitiği ve öneri sistemleri uygulaması

    Customer analytics and recommender systems application

    ÖZGE ELMAS

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. ALP ÜSTÜNDAĞ

  2. Tez No

    941217

    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

    İngilizce

    2025

    Yönetim Bilişim SistemleriAbdullah Gül Üniversitesi

    Veri Bilimi Ana Bilim Dalı

    DOÇ. DR. FARUK GÜVEN

  3. Tez No

    941612

    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

    Türkçe

    2025

    Yönetim Bilişim SistemleriNecmettin Erbakan Üniversitesi

    Yönetim Bilişim Sistemleri Ana Bilim Dalı

    DOÇ. DR. EMİNE NİHAN CİCİ KARABOĞA

  4. Tez No

    887432

    Sınıflandırma yöntemlerinin performansının üretilmiş ve gerçek veri setleri kullanılarak incelenmesi

    Analyzing the performance of classification methods using generated and real datasets

    ÇİĞDEM KADAİFÇİ YANMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. EYLEM DENİZ HOWE

  5. Tez No

    423254

    E-sadakat oluşumunda e-hizmet kalitesi, e-müşteri tatmini ve e-müşteri değerinin etkisi

    Effect of e-service quality, e-customer satisfacion and e-customer value on the formation of e-loyalty

    EMİNE ŞENBABAOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İşletmeÇankırı Karatekin Üniversitesi

    İşletme Ana Bilim Dalı

    DOÇ. DR. EMRE ŞAHİN DÖLARSLAN

Geri Dön