Birliktelik algoritmaları ile market sepet analizi: Bir tekstil mağazası uygulaması
Market basket analysis with association algorithms: A textile store application
- Tez No: 972867
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGE NALAN BİLİŞİK
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışma, tekstil perakendeciliğinde mağaza yerleşim stratejilerinin market sepet analizi yoluyla optimize edilmesini amaçlamaktadır. Özellikle fiziksel mağazalarda müşterilerin alışveriş davranışlarını etkileyen faktörlerden biri olan ürün yerleşiminin, veri madenciliği yöntemleriyle nasıl daha verimli hale getirilebileceği araştırılmıştır. Bu kapsamda, birliktelik kuralları madenciliğinde yaygın olarak kullanılan Apriori ve FP-Growth algoritmaları tercih edilmiştir. Algoritmanın seçiminde, büyük hacimli veriler üzerinde anlamlı ilişki kuralları çıkarabilme kapasitesi etkili olmuştur. Veri seti, bir hazır giyim zincirinin yüksek işlem hacmine sahip mağazalarından birine ait 695.000'den fazla işlem kaydından oluşturulmuştur. İlk aşamada ürünlerin model kodları üzerinden analiz yapılmak istenmiş, ancak kodların her biri benzersiz (unique) olduğundan işlem-nesne matrisi kurulamamış ve algoritma çalıştırılamamıştır. Bu nedenle veri seti, ürünlerin kategori tanımlarına göre sadeleştirilmiş ve farklı segmentasyon düzeylerinde analizler gerçekleştirilmiştir. Analizler beş aşamada yürütülmüştür: ürün modeli, ürün tanımı, cinsiyet + ürün tanımı, yalnızca cinsiyet ve sezon + cinsiyet. Bulgular, belirli ürün eşleşmeleri (örneğin sweat-pantolon) ve sezonel tekrar alımlar gibi anlamlı ilişkilere işaret etmiş, ancak mağazanın genel yerleşimini tamamen yeniden tasarlayacak düzeyde güçlü ve sabit sonuçlar elde edilememiştir. Yine de, belirli kategori bazlı eşleştirmelerle mağaza içinde bölgesel yerleşim iyileştirmeleri önerilebilmektedir. Çalışma, mağaza yerleşiminde veri temelli mikro düzeyde iyileştirmeler yapılabileceğini, ancak alışveriş davranışlarının moda, özel günler, duygusal tercihler, kampanya dönemleri gibi ölçümlenemeyen pek çok faktörden de yoğun şekilde etkilendiğini ortaya koymuştur.
Özet (Çeviri)
This study investigates how facility layout strategies in textile retail stores can be optimized through market basket analysis. In physical retail environments, one of the factors that significantly affects purchasing behavior is the placement of products. The research aims to explore how this placement can be enhanced using data mining techniques. Apriori and FP-Growth Algorithms a well-established method in association rule mining, was chosen due to its capacity to identify meaningful item associations within large transactional datasets. The dataset used in this study was derived from over 695.000 transaction records belonging to one of the busiest stores of a national apparel retail chain. Initially, the analysis attempted to use unique product model codes; however, due to their uniqueness, a transaction-item matrix could not be constructed, preventing the algorithm from running effectively. Consequently, the dataset was simplified by categorizing products based on type and further segmented for analysis at different levels. Five levels of analysis were conducted: product model, product type, gender + product type, gender alone, and season + gender. The results revealed meaningful associations such as the frequent pairing of sweatshirts and trousers, and recurring seasonal purchases. However, no consistent findings were identified that would warrant a complete redesign of the overall store layout. Nevertheless, the study concludes that data-driven micro-level layout improvements are feasible. It also emphasizes that consumer behavior in textile retail is heavily influenced by unquantifiable factors such as individual preferences, fashion trends, special occasions, and promotional periods.
Benzer Tezler
- Veri madenciliği algoritmaları ile birliktelik kurallarının belirlenmesi: Perakende sektöründe bir uygulama
Determination of association rules with data mining algorithms: An application in retail sector
AYŞE NUR SAĞIN
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri Mühendisliğiİstanbul Ticaret ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BERK AYVAZ
- Pazar sepeti analizi ile birliktelik kurallarının belirlenmesi: Perakende sektöründe Covid-19 etkisi
Determination of association rules with market basket analysis: The impact of Covid-19 on the retail industry
EZGİ ALANLAR
Yüksek Lisans
Türkçe
2021
Endüstri ve Endüstri MühendisliğiKarabük ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. FİLİZ ERSÖZ
- Çok boyutlu birliktelik kuralları analizi ve işletme uygulaması
Multi-dimensional association rules analysis and business application
ŞENGÜL GEDLEÇ
Yüksek Lisans
Türkçe
2019
İstatistikMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. AHMET METE ÇİLİNGİRTÜRK
- Veri madenciliği teknikleri ile e-ticaret platformu satış verilerinin incelenmesi
Analysis of e-Commerce platform sales data using data mining techniques
YİĞİT ALTUNAY
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜRHAN GÜNDÜZ
- Birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi
Market basket analysis by using association rule mining algorithm
EMRAH TOKYÜREK
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBilecik Şeyh Edebali ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. UĞUR YÜZGEÇ