Makine öğrenmesi yöntemleriyle müşteri davranış analizi
Customer behavior analysis with machine learning methods
- Tez No: 957603
- Danışmanlar: DOÇ. DR. SERKAN ONAR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Matematik, Computer Engineering and Computer Science and Control, Mathematics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Matematik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Matematik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 89
Özet
Bu çalışma, e-ticaret platformlarında müşteri davranışlarını daha iyi anlamak, tahmin etmek ve bu verileri aksiyona dönüştürebilmek için makine öğrenmesi ile zaman serisi analizlerinin bir arada kullanıldığı kapsamlı bir yaklaşım sunmaktadır. RetailRocket veri seti üzerinden yürütülen çalışmada, kullanıcı geçmişi temel alınarak üç aşamalı bir analiz süreci izlenmiştir. İlk aşamada, kullanıcıların etkileşimlerinden davranışsal özellikler çıkarılmış ve veri dengesizliği SMOTE yöntemiyle giderilmiştir. Ardından, alışveriş yapma olasılıklarını tahmin etmek için Random Forest, Lojistik Regresyon, Naive Bayes ve XGBoost gibi farklı sınıflandırma algoritmaları uygulanmıştır. Modellerin başarımı F1 skoru ve ROC AUC gibi metriklerle ölçülürken, açıklanabilir yapay zeka (XAI) yöntemleri kullanılarak model kararları daha anlaşılır hale getirilmiştir. İkinci aşamada, kullanıcı davranışlarının zaman içindeki değişimi Prophet, ARIMA, Holt-Winters ve LSTM gibi zaman serisi modelleriyle incelenmiştir. Aynı zamanda, kullanıcı eylemlerinin sırasal ilişkilerini analiz edebilmek için Markov zinciri modelleriyle olasılık tabanlı geçiş yapıları oluşturulmuştur. Son aşamada ise kullanıcı segmentasyonu KMeans algoritmasıyla gerçekleştirilmiş, her segmentin davranışsal özetleri çıkarılmış ve Apriori algoritması yardımıyla ürün öneri kuralları elde edilmiştir. Tüm analiz çıktıları, FastAPI kullanılarak geliştirilen bir servis aracılığıyla gerçek zamanlı tahmin ve öneri sunacak şekilde entegre edilmiştir. Genel olarak bu çalışma, müşteri davranışlarını çok yönlü analiz ederek anlamlı içgörüler üreten ve bu bilgileri karar destek sistemlerine entegre eden bütüncül bir veri bilimi çözümü ortaya koymaktadır.
Özet (Çeviri)
This study presents a comprehensive data science approach that integrates machine learning and time series analysis to understand, predict, and act upon customer behavior on e-commerce platforms. Using the RetailRocket dataset, the project follows a three-phase methodology based on users' past interactions. In the first phase, behavioral features were extracted for each user, and the issue of data imbalance was addressed using the SMOTE technique. Various classification algorithms—such as Random Forest, Logistic Regression, Naive Bayes, and XGBoost—were employed to predict whether a user would make a purchase. Model performances were evaluated using metrics like F1 score and ROC AUC, and explainable AI techniques were applied to interpret model outputs. In the second phase, temporal patterns in user actions were analyzed using time series models like Prophet, ARIMA, Holt-Winters, and LSTM. Additionally, Markov chain models were constructed from event log data to capture the probabilistic transition structure between user interactions. The final phase focused on user segmentation via the KMeans algorithm. Segment-specific behavioral statistics were extracted, and product recommendation rules were generated using the Apriori algorithm. All analyses were deployed in a real-time recommendation and prediction service built with FastAPI. In summary, this study delivers a holistic data science framework that not only analyzes customer behavior from multiple dimensions but also transforms these insights into actionable decision support systems.
Benzer Tezler
- Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi
Analysis of container port operations using machine learning methods
ÜSTÜN ATAK
Doktora
Türkçe
2022
Deniz Bilimleriİstanbul Teknik ÜniversitesiDeniz Ulaştırma Mühendisliği Ana Bilim Dalı
PROF. DR. YASİN ARSLANOĞLU
PROF. DR. TOLGA KAYA
- Nöropazarlama alanında yapılan çalışmaların bibliyometrik analizle incelenmesi
Bibliometric analysis of studies conducted in the field of neuromarketing
ABDULLAH BALLI
Yüksek Lisans
Türkçe
2025
İşletmeÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
PROF. DR. TÜRKER TEKİN ERGÜZEL
- Automated classification of Turkish mobile application reviews
Türkçe kullanıcı yorumlarının otomatik sınıflandırılması
GÜRAY BAYDUR
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FATMA BAŞAK AYDEMİR
- Satış tahminlemesinde hibrit bir yaklaşım: Pestel, RFM, gradient boosting
A hybrit approach to sales prediction: Pestel, RFM, gradient boosting
ESRA AKCA
Yüksek Lisans
Türkçe
2022
İstatistikMimar Sinan Güzel Sanatlar Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SEMRA ERPOLAT TAŞABAT
- Makine öğrenmesi yöntemleriyle müşteri kayıp analizi
Customer loss analysis with machine learning methods
ZERRİN ÇAKIR
Yüksek Lisans
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKütahya Dumlupınar ÜniversitesiBilgisayar ve Bilişim Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUAMMER AKÇAY