Geri Dön

Predictive analytics in digital marketing: Applying a machine learning approach

Dijital pazarlamada öngörücü analitik: Bir makine öğrenimi yaklaşımı uygulaması

PDF İndir

  1. Tez No: 936405
  2. Yazar: MUTHANA HAMAD
  3. Danışmanlar: DOÇ. DR. SEFER KURNAZ
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Dijital Pazarlama, Makine Öğrenimi, Müşteri Davranışı, Tekrar Satın Alma, Tahmin, Digital Marketing, Machine Learning, Customer Behavior, Repeat Purchase, Prediction
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Veri Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Bu tez, davranışsal ve demografik verileri entegre ederek makine öğrenimi tekniklerini kullanarak dijital pazarlamada tekrarlı satın alma davranışını tahmin etmek için bir model geliştirmeyi amaçlamaktadır. Çalışmanın önemi, dijital pazarlama stratejilerini geliştirme ve müşterileri daha etkili bir şekilde hedefleme ihtiyacından kaynaklanmaktadır, özellikle de bu alanda iki veri türünü birleştiren ve ileri algoritmalar uygulayan çalışmaların eksikliği göz önüne alındığında. Çalışma, 10.000 müşteri kaydını içeren bir e-ticaret platformundan alınan bir veri kümesine dayanıyordu ve temizleme işleminden sonra 5.741 kayda ulaşıldı. Yaş gibi demografik özellikler ve CustomerLifetimeValue, EmailConversionRate ve AverageOrderValue gibi tekrarlı satın alma davranışı üzerinde etkili olduğu düşünülen davranışsal özellikler kullanıldı. Üç makine öğrenimi algoritması modeli uygulandı: Neural Networks, Random Forest ve AdaBoost. Her model, CA, AUC, F1-Score ve ROC gibi yaygın performans ölçütleri kullanılarak değerlendirildi. Sonuçlar, Neural Networks algoritmasının diğer algoritmalara kıyasla tahmin doğruluğu ve performans istikrarında daha iyi sonuç verdiğini, buna karşın AdaBoost modelinin beklenenden düşük performans sergilediğini gösterdi; bu durum, algoritma seçiminde verinin doğası ve analitik bağlamın dikkate alınması gerektiğini önermektedir. Bu çalışma, davranışsal ve demografik verilerin birleştirilmesinin tekrarlı satın alma davranışının tahmin doğruluğunu artırdığını doğrulamakta ve şirketlere pazarlama stratejilerini iyileştirmeye yardımcı olacak daha derin içgörüler sunmaktadır; bu içgörüler, pazarlama kampanyalarının kişiselleştirilmesi ve müşteri sadakatinin artırılması gibi stratejileri kapsamaktadır. Bu çalışma, farklı veri türlerini entegre ederek ve ileri algoritmalar kullanarak araştırma boşluğunu doldurmaya yönelik önemli katkılarda bulunmakta ve dijital pazarlama alanında daha fazla araştırmaya kapı açmaktadır. Çalışma, gelişmiş algoritmaların keşfinin derinleştirilmesi ve çeşitli veri kümelerine uygulanmasını önermekte; ayrıca, bu çalışmanın bulgularından yararlanarak dijital pazarlama bağlamında müşteri hedefleme uygulamalarını iyileştirmeye çağrıda bulunmaktadır.

Özet (Çeviri)

This thesis aims to develop a predictive model for repeat purchase behavior in digital marketing using machine learning techniques by integrating behavioral and demographic data. The importance of the study stems from the need to improve digital marketing strategies and target customers effectively, especially in light of the lack of studies that combine the two types of data and apply advanced algorithms in this field. The study was based on a dataset from an e-commerce platform, which included 10,000 customer records that were processed to reach 5,741 records after cleaning. Demographic features such as Age and behavioral features such as Customer Lifetime Value, Email Conversion Rate, and Average Order Value, which are considered to have an impact on repeat purchase behavior, were used. Three machine learning algorithm models were applied: Neural Networks, Random Forest, and AdaBoost, and each model was evaluated using common performance metrics such as CA, AUC, F1-Score, and ROC. The results showed that the Neural Networks algorithm performed better in prediction accuracy and performance stability compared to other algorithms, while the AdaBoost model performed less than expected, suggesting that the choice of algorithm should take into account the nature of the data and the analytical context. This study confirms that incorporating behavioral and demographic data enhances the accuracy of predicting repeat purchase behavior, and provides companies with deeper insights that help improve digital marketing strategies, such as personalizing marketing campaigns and increasing customer loyalty. This study makes clear contributions to bridging the research gap by integrating different types of data and using advanced algorithms, opening the door for further research in digital marketing. The study recommends further exploration of advanced algorithms and their application to diverse datasets, and calls for leveraging the findings of this study to improve customer targeting practices in the context of digital marketing.

Benzer Tezler

  1. Tez No

    849458

    E-ticaret ve dijital pazarlama sektöründe makine öğrenmesi algoritmaları kullanılarak müşteri kaybı tahmini

    Customer churn prediction using machine learning algorithms in e-commerce and digital marketing industry

    YASİN SARIYILDIZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BARIŞ TEKİN TEZEL

  2. Tez No

    713829

    RFMLP based customer segmentation and customer churn analysis in heavy equipment industry using customer transactions data

    İş makinesi sektöründe müşteri işlem verilerini kullanarak RFMLP tabanlı müşteri segmentasyonu ve müşteri kayıp analizi

    MUSTAFA ÇAMLICA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. FETHİ ÇALIŞIR

  3. Tez No

    769714

    Dijital tekniklerin turizm pazarlama performansına etkisi ve turistik ürün satınalma karar sürecindeki rolü

    The effect of digital techniques on tourism marketing performance and its role in the buying tourist product decision process

    AYKUT PAJO

    Doktora

    Türkçe

    Türkçe

    2022

    TurizmTekirdağ Namık Kemal Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. MURAT SELİM SELVİ

  4. Tez No

    928674

    The influence of AI and machine learning on consumer behavior in digital marketing in Türkiye

    Yapay zeka ve makine öğrenmesinin Türkiye'de dijital pazarlamada tüketici davranışı üzerindeki etkisi

    HAZAL KARAÇAY

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Uluslararası TicaretBoğaziçi Üniversitesi

    Uluslararası Ticaret Yönetimi Bilim Dalı

    DR. ÖĞR. ÜYESİ MEHTAP IŞIK

  5. Tez No

    940091

    Impact of personalized AI advertising activities on consumer's purchase intentions

    Kişiselleştirilmiş yapay zeka reklam faaliyetlerinin tüketicinin satın alma niyeti üzerindeki etkisi

    DENİZ BERKAY BIÇAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    İşletmeÇankaya Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ BÜLENT ÖZSAÇMACI

Geri Dön