Kümeleme analizinde kullanılan algoritmaların karşılaştırılması: Perakende sektöründe faaliyet gösteren bir şirketin müşteri tercihleri üzerine bir uygulama
Comparison of algorithms used in cluster analysis: An application on customer preferences of a company operating in the retail industry
- Tez No: 952589
- Danışmanlar: PROF. DR. SEMRA TÜRKAN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 83
Özet
Bu çalışma, hazır giyim perakende sektöründe ürün gruplarının kümeleme analizi ile incelenmesini amaçlamaktadır. Satış verileri kullanılarak, K-Ortalamalar ve Bulanık C-Ortalamalar (FCM) algoritmaları ile ürün kümeleri oluşturulmuş ve farklı kategorilerin mevsimsel satış eğilimleri değerlendirilmiştir. Kümeleme modellerinin başarısı Davies-Bouldin İndeksi, Silhouette Skoru ve Calinski-Harabasz İndeksi ile karşılaştırılmıştır. Sonuçlar, K-Ortalamalar algoritmasının Bulanık C-Ortalamalar algoritmasına kıyasla daha iyi küme ayrışımı sağladığını göstermektedir. K-Ortalamalar, daha düşük Davies-Bouldin İndeksi ve daha yüksek Silhouette Skoru ile daha tutarlı ve belirgin kümeler oluşturmuştur. Analizler, hazır giyim ürünlerinin satışlarının büyük ölçüde mevsimsel faktörlerden etkilendiğini ortaya koymuştur. Kış aylarında kaban, kazak ve sweat gibi ürünlere olan talep artarken, yaz aylarında mayo, şort ve sandalet gibi ürünlerin satışları zirveye ulaşmaktadır. Bu eğilimler, stok yönetimi ve pazarlama stratejilerinin mevsimsel değişimlere göre planlanmasının önemini vurgulamaktadır. Sonuç olarak, hazır giyim sektöründe stok optimizasyonu, talep tahmini ve pazarlama stratejilerinin belirlenmesi için K-Ortalamalar algoritmasının daha uygun olduğu sonucuna varılmıştır. Bu çalışmada elde edilen bulgular, veriye dayalı karar alma süreçlerini iyileştirerek, perakende sektöründe daha etkin bir satış yönetimi ve envanter optimizasyonuna katkı sağlamaktadır.
Özet (Çeviri)
This study aims to analyze product groups in the ready-to-wear retail sector using clustering analysis. Using sales data, product clusters were created with the K-Means and Fuzzy C-Means (FCM) algorithms, and seasonal sales trends of different categories were evaluated. The success of the clustering models was compared using the Davies-Bouldin Index, Silhouette Score, and Calinski-Harabasz Index. The results show that the K-Means algorithm provides better cluster separation compared to Fuzzy C-Means. K-Means formed more consistent and clear clusters, with a lower Davies-Bouldin Index and a higher Silhouette Score. The analysis revealed that clothing sales are largely influenced by seasonal factors. In winter, demand for coats, sweaters, and sweatshirts increases, while in summer, sales of swimsuits, shorts, and sandals peak. These trends highlight the importance of planning stock management and marketing strategies according to seasonal changes. In conclusion, the K-Means algorithm is found to be more suitable for stock optimization, demand forecasting, and marketing strategies in the clothing sector. The findings of this study contribute to improving data-driven decision-making, leading to more effective sales management and inventory optimization in the retail sector.
Benzer Tezler
- Kategorik veri analizinde kullanılan algoritmaların performanslarının karşılaştırılması üzerine bir çalışma
A study comparing performances used algorithms in categorical data analysis
FERHAN BAŞ
Yüksek Lisans
Türkçe
2013
İstatistikGazi Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA ORAL ERBAŞ
- Bulanık kümeleme analizinde bulanık kümeleme algoritmalarının karşılaştırılması
A comparison of fuzzy cluster algorithms in fuzzy clustering analysis
ASLI KAYA
Yüksek Lisans
Türkçe
2018
İstatistikAnadolu Üniversitesiİstatistik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖZER ÖZDEMİR
- Machine learning based selection of candidate wells for extended shut-in due to fluctuating oil prices
Değişken petrol fiyatları nedeniyle uzun süreli kapatılması gereken kuyuların makine öğrenmesi ile belirlenmesi
BEYZA LOBUT
Yüksek Lisans
İngilizce
2024
Petrol ve Doğal Gaz Mühendisliğiİstanbul Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ İHSAN BURAK KULGA
DOÇ. DR. FAZIL EMRE ARTUN
- Kardiyovasküler hastalıklarının teşhisine yönelik makine öğrenmesi algoritmaları ile karar destek sistemi tasarımı
Decision support system design with machine learning algorithms for the diagnosis of cardiovascular diseases
AMIR KARAJ
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiMarmara ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ZEHRA AYSUN ALTIKARDEŞ
PROF. DR. ALİ SERDAR FAK
- Karma veriler üzerinde etkin kümeleme algoritmalarının geliştirilmesi
Development of effective clustering algorithms on mixed data
ELVIN NASIBOV
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge ÜniversitesiMatematik Ana Bilim Dalı
DOÇ. DR. BURAK ORDİN