Arabam.com kurumsal üyelerinin satın alma davranışlarının analizi
Analysis of purchasing behavior of corporate members onarabam.com
- Tez No: 932802
- Danışmanlar: DR. ÖĞR. ÜYESİ İSMAİL DURU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 86
Özet
Bu çalışma, Arabam.com' un 2016-2024 yılları arasında faaliyet gösteren 24.511 kurumsal üyesinin paket satın alma, araba satın alma ve kullanım davranışlarını analiz etmeyi amaçlamaktadır. Çalışmanın hedefi, kullanıcılara en uygun paket türünü önermek ve araba satın alma tahmininde bulunmaktır. Paket önerisi için veri dengesizliğini gidermek amacıyla SMOTE (Synthetic Minority Over-sampling Technique) kullanılmış, farklı sınıflandırma modelleri PyCaret kütüphanesiyle değerlendirilmiştir. En iyi sonuç, 0,9550 Area Under the Curve (AUC) skoru ve 1.4010 saniye eğitim süresi ile XGBoost Classifier tarafından elde edilmiştir. Daha yüksek AUC skoruna (0,9565) sahip Light Gradient Boosting Machine (LightGBM), 6.7150 saniyelik daha uzun eğitim süresi nedeniyle tercih edilmemiştir. Tedarik sisteminden araç satın alacak kurumsal üye tahmini için de yeni bir model geliştirilmiştir. Bu modelde, favorilenen araba sayısı, satın alınan provizyon sayısı, teklif verme sayısı ve satın alınan araba sayısı özellikleri kullanılmıştır. Ek olarak, favori-teklif etkileşimi ve provizyon-teklif farkı olmak üzere iki yeni özellik üretilmiştir. Modelleme için yine PyCaret kullanılmış ve Random Forest Classifier, 0,9886 doğruluk, 0,9944 AUC ve 0,8039 F1 skoru ile en iyi performansı göstermiştir. Analizlerin sonuçları, kullanıcıların satın alma davranışlarının dönemsel etkilerle değiştiğini ve değişimler görülen dönemsel etkilerin müşteri memnuniyetini artırma yönünde faydalı olabileceğini göstermektedir. Çalışma sonucunda, hem kurumsal üyeye en uygun paket türü önerilmekte hem de Arabam.com 'un en önemli gelir kaynaklarından biri olan araba satış sistemi için, araba satın alacak ve almayacak kurumsal üyeler tahmin edilmektedir. Bu araştırma, Arabam.com firmasının dijital pazarlama stratejileri ve müşteri ilişkileri yönetimi için önemli bulgular sunmaktadır.
Özet (Çeviri)
This study analyzes the package purchase, car purchase, and usage behaviors of 24.511 corporate members active on Arabam.com between 2016 and 2024. It aims to recommend the most suitable package type and predict car purchases. To handle data imbalance in package recommendations, the Synthetic Minority Over-sampling Technique (SMOTE) was used, and classification models were evaluated with PyCaret. The XGBoost Classifier achieved the best result with a 0,9550 AUC score and 1.4010 seconds of training time. LightGBM, despite a slightly higher AUC score of 0,9565, was not preferred due to its 6.7150 seconds training time. Another model was developed to predict corporate members likely to purchase vehicles from the procurement system. Features such as the number of favorited cars, purchased provisions, bids, and purchased cars were utilized. Two new features—favorite-bid interaction and provision-bid difference—were also created. Using PyCaret, the Random Forest Classifier performed best with 0,9886 accuracy, 0,9944 AUC, and 0,8039 F1 score. The findings indicate that user purchasing behaviors are influenced by seasonal effects, which, when addressed, can improve customer satisfaction. The study provides tailored package recommendations for corporate members and predicts car purchases—one of Arabam.com's main revenue sources. These insights offer valuable input for the company's digital marketing strategies and customer relationship management, helping to optimize user engagement and revenue generation.
Benzer Tezler
- Perakende sektöründe ikinci el araç fiyat tahminlemesinde makine öğrenmesi yöntemlerinin karşılaştırılması
Comparison of machine learning methods for used car price forecast in the retail industry
SELEN ÇOLPAN
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri MühendisliğiEskişehir Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. NİHAL ERGİNEL
- Diverse inpainting and editing with semantic conditioning
Semantik koşullama ile çeşitli tamamlama ve düzenleme
HAKAN SİVÜK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİhsan Doğramacı Bilkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞEGÜL DÜNDAR BORAL
- A variational graph autoencoder for manipulation action recognition and prediction
Manipülasyon aksiyon tanıma ve tahminleme için değişimsel çizge otokodlayıcısı
GAMZE AKYOL
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. SANEM SARIEL UZER
DOÇ. DR. EREN ERDAL AKSOY
- Yeni Cami'nin akustik açıdan performans değerlendirmesi
Evaluation of the acoustical performance of the New Mosque
EVREN YILDIRIM
Yüksek Lisans
Türkçe
2003
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SEVTAP YILMAZ DEMİRKALE