Makine öğrenmesi ve çok kriterli karar verme tabanlı hibrit müşteri segmentasyonu uygulaması
Machine learning and multi-criteria decision-making based hybrid customer segmentation application
- Tez No: 953440
- Danışmanlar: PROF. DR. ÇİĞDEM TARHAN
- Tez Türü: Yüksek Lisans
- Konular: Yönetim Bilişim Sistemleri, Management Information Systems
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Yönetim Bilişim Sistemleri Ana Bilim Dalı
- Bilim Dalı: Yönetim Bilişim Sistemleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, makine öğrenmesi yöntemleri ile çok kriterli karar verme yöntemlerinin (ÇKKV) entegre edilmesi yoluyla hibrit bir müşteri segmentasyonu yöntemi geliştirilmiştir. Çalışmanın amacı, müşteri segmentasyonu uygulamalarında yaygın kullanılan RFM (Recency, Frequency, Monetary) modelini genişleterek Length (İlişki Süresi - Uzunluk) değişkenini de içeren LRFM modelini oluşturmak ve bu modeli hem istatistiksel analizlerle hem de uzman değerlendirmeleriyle birleştirerek müşteri yaşam boyu değerini (CLV) yeniden yorumlamaktır. Bu süreçte, işletmelerin müşteri yönetimindeki stratejik hedefleriyle uyumlu ve yönetici içgörülerini sistematik olarak değerlendirebilen şeffaf ve yorumlanabilir bir segmentasyon yaklaşımı sunulmuştur. Araştırmada kullanılan veri seti, bir B2B işletmesinin 2023-2024 dönemine ait 5145 işlem kaydından türetilmiş ve 648 benzersiz müşteriye indirgenmiştir. Veri setindeki dağılımsal asimetrileri azaltmak amacıyla logaritmik ve Yeo-Johnson dönüşümleri uygulanmış ve ölçeklendirilmiştir. Segmentasyon işlemi K-Means, DBSCAN ve HDBSCAN algoritmaları kullanılarak gerçekleştirilmiş ve oluşturulan kümeler, Silhouette, Davies–Bouldin ve Calinski–Harabasz gibi istatistiksel metriklerin yanı sıra işletmenin spesifik iş gereksinimleri ve stratejik öncelikleri dikkate alınarak değerlendirilmiş ve optimal segmentasyon yapısı seçilmiştir. Bunun yanı sıra, genişletilmiş LRFM kriterlerinin göreceli önemleri, alan uzmanlarının görüşleriyle FUCOM yöntemi kullanılarak hesaplanmıştır. Elde edilen kriter ağırlıkları yeni tanımlanan CLV fonksiyonuna entegre edilmiş, böylelikle işletme açısından en değerli müşteri grupları belirlenmiştir. Çalışmanın sonucunda geliştirilen hibrit model, sadece müşteri davranışlarındaki istatistiksel örüntüleri değil, aynı zamanda yöneticilerin stratejik önceliklerini de kapsayan bütüncül ve işlevsel bir analiz çerçevesi sunmuştur.
Özet (Çeviri)
In this thesis, a hybrid customer segmentation method has been developed by integrating machine learning methods with multi-criteria decision-making methods (MCDM). The purpose of the study is to expand the RFM (Recency, Frequency, Monetary) model, widely used in customer segmentation applications, by including the Length (Relationship Duration) variable to form the LRFM model, and to reinterpret the customer lifetime value (CLV) by combining this model with both statistical analyses and expert evaluations. In this process, a transparent and interpretable segmentation approach has been presented, systematically evaluating managerial insights and aligning with the strategic goals of businesses in customer management. The dataset used in the research was derived from 5145 transaction records belonging to the 2023-2024 period of a B2B enterprise and was reduced to 648 unique customers. To reduce distributional asymmetries in the dataset, logarithmic and Yeo-Johnson transformations were applied and scaled. The segmentation process was carried out using K-Means, DBSCAN, and HDBSCAN algorithms, and the resulting clusters were evaluated by statistical metrics such as Silhouette, Davies–Bouldin, and Calinski–Harabasz, as well as by considering the specific business requirements and strategic priorities of the enterprise, thereby selecting the optimal segmentation structure. Additionally, the relative importance of the extended LRFM criteria was calculated using the FUCOM method based on the opinions of domain experts. The derived criterion weights were integrated into the newly defined CLV function, thus identifying the most valuable customer groups from the enterprise's perspective. As a result, the developed hybrid model provides a comprehensive and functional analytical framework that incorporates not only statistical patterns in customer behavior but also strategic priorities of managers.
Benzer Tezler
- Dynamic data-driven optimization approach for flight selection problem
Uçuş seçimi problemi için dinamik veri odaklı optimizasyon yaklaşımı
ERDEM AKIN
Yüksek Lisans
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiVeri Mühendisliği ve İş Analitiği Ana Bilim Dalı (disiplinlerarası)
PROF. DR. BAŞAR ÖZTAYŞİ
- Data-driven modelling of cost advantage strategies enhancing operational efficiency in the retail sector
Perakende sektöründe operasyonel verimliliği arttıran maliyet avantajı stratejilerinin veri temelli modellenmesi
ÇAĞATAY ÖZDEMİR
Doktora
İngilizce
2025
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. SEZİ ÇEVİK ONAR
- Makine öğrenmesi ve çok kriterli karar verme yöntemleriyle havayolu yolcu memnuniyetinin analizi
Analysis of airline passenger satisfaction using machine learning and multi-criteria decision-making methods
ZAFER ŞİMŞEK
Yüksek Lisans
Türkçe
2026
Sivil HavacılıkEskişehir Teknik ÜniversitesiHavacılık Yönetimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMİRCAN ÖZDEMİR
- Diesel motorları yakıt püskürtme sistemlerinin dinamik simülasyonu
Başlık çevirisi yok
İRFAN KARAGÖZ
Yüksek Lisans
Türkçe
1986
Makine MühendisliğiUludağ ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Kuyruk modelleri ve analizi üzerine bir uygulama
Başlık çevirisi yok
DİDEM ÖZPULAT
Yüksek Lisans
Türkçe
1985
İstatistikEge ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DOÇ. DR. FİKRET İKİZ