Geri Dön

Machine learning applications on purchase prediction for e-commerce marketplaces

E-ticaret pazar yerleri için satın alma tahmini üzerine makine öğrenmesi uygulamaları

PDF İndir

  1. Tez No: 933832
  2. Yazar: AYŞE AYLİN TOKUÇ
  3. Danışmanlar: DOÇ. DR. TAMER DAĞ
  4. Tez Türü: Doktora
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Kadir Has Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 167

Özet

Bu araştırma, bir e-ticaret kullanıcısının oturum sonunda satın alma yapıp yapmayacağını tıklama akışı verilerini kullanarak tahmin edebilen bir makine öğrenimi çerçevesi önermektedir. Çalışma, son kullanıcı eylemlerinin düzleştirilmiş dizileri, oturum bazlı istatistikler ve her ikisini entegre eden yenilikçi bir hibrit model dahil olmak üzere çeşitli veri temsillerini incelemektedir. Mevcut literatür genellikle tek bir veri temsilini ele alırken, bu araştırma oturum bazlı veriler ile kullanıcı eylemlerinin potansiyel sinerjisini kapsamlı bir şekilde değerlendirmektedir. Önerilen metodoloji, LightGBM'i temel tahmin modeli olarak kullanmaktadır. Ayrıca, karar ağaçları, gradyan artırma, rastgele ormanlar ve lojistik regresyon gibi algoritmalar doğrulama amacıyla uygulanmıştır. Öznitelik önem analizi, satın alma olasılığının temel belirleyicileri olarak son kullanıcı eyleminden bu yana geçen süre, oturum süresi ve belirli ürün etkileşimlerini öne çıkarmaktadır. Bu çalışma, ağaç tabanlı bir tahmin modeli içinde hibrit veri temsillerinin pratik faydasını göstererek, gerçek zamanlı satın alma tahmini için ölçeklenebilir ve yorumlanabilir bir çerçeve sunmaktadır. Bulgularımız, e-ticaret platformlarının satın alma tahminlerini iyileştirmesine ve pazarlama stratejilerini optimize etmesine yönelik uygulanabilir içgörüler sağlamaktadır.

Özet (Çeviri)

This research proposes a machine learning framework that can accurately predict whether a user will purchase at the end of a session in e-commerce using clickstream data. The study explores various data representations, including flattened sequences of recent user actions, aggregated session statistics, and a novel hybrid model integrating both. While existing literature often explores a single data representation, this research comprehensively examines the potential synergies between aggregated session-level data and recent user actions. The proposed methodology employs LightGBM as the core predictive model. Algorithms such as decision trees, gradient boosting, random forests, and logistic regression were employed for validation. Feature importance analysis highlights key determinants of purchase likelihood, including time since the last user action, session duration, and specific product interactions. By demonstrating the practical utility of hybrid data representations within a tree-based predictive model, this study introduces a scalable and interpretable framework for real-time purchase prediction. Our findings offer a scalable and interpretable framework for e-commerce platforms to enhance purchase predictions and optimize marketing strategies.

Benzer Tezler

  1. Tez No

    559458

    Purchase prediction and item prediction with RNN using different user-item interactions

    Farklı kullanıcı-ürün etkileşim türlerini kullanarak özyineli sinir ağları ile ürün ve satış tahminlemesi

    FULYA ÇELEBİ SARIOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ YUSUF YASLAN

  2. Tez No

    881075

    A multi-class approach to next session and in-session purchase prediction with real-time e-commerce data using machine learning techniques

    Makine öğrenmesi modelleri ile gerçek zamanlı e-ticaret datasını kullanarak gelecek oturum ve oturum içi satın alım tahmini

    GİZEM SÜRHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. BERTAN YILMAZ BADUR

  3. Tez No

    936405

    Predictive analytics in digital marketing: Applying a machine learning approach

    Dijital pazarlamada öngörücü analitik: Bir makine öğrenimi yaklaşımı uygulaması

    MUTHANA HAMAD

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Veri Analitiği Ana Bilim Dalı

    DOÇ. DR. SEFER KURNAZ

  4. Tez No

    872851

    Bütünleşik ürün karması planlaması için yeni bir optimizasyon yaklaşımı ve perakende sektöründe uygulaması

    A novel optimization approach for integrated product assortment and its application in the retail sector

    MUHAMMED CAN KONUR

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BÜLENT DURMUŞOĞLU

  5. Tez No

    886831

    Marketing campaign management using machine learning techniques: An uplift modeling approach

    Makine öğrenimi teknikleri kullanılarak pazarlama kampanyası yönetimi: Artımlı modelleme yaklaşımı

    MELTEM SANİSOĞLU

    Doktora

    İngilizce

    İngilizce

    2024

    İşletmeİstanbul Teknik Üniversitesi

    İşletme (İngilizce) Ana Bilim Dalı

    PROF. DR. HURİYE ŞEBNEM BURNAZ

Geri Dön