Sales-driven early warning system in e-commerce:marginal, mixed and machine learning models foroperational foresight
Satış odaklı e-ticaret erken uyarı sistemi:operasyonel öngörü için marjinal, karma ve makine öğrenmesi modelleri
- Tez No: 973130
- Danışmanlar: PROF. DR. ÖZLEM İLK
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Erken Uyarı Sistemleri (EUS) başlangıçta yıkıcı sonuçlar doğuran doğal afetlerin gerçekleşme sinyallerini izleyerek, afet sonrası süreç yönetimini iyileştirmek ve hazırlıklı olmak hedefi doğrultusunda geliştirilmiştir. Elde edilen başarılar farklı alanların da ilgisini çekmiş ve benzer öngörü ihtiyacı olan alanlarda da uygulanabilirliği gündeme getirmiştir. Bunların sonucu olarak EUS'ye ait yeni uygulamalar ortaya çıkmıştır. Günümüzde e-ticaret, tüketici davranışlarındaki teknoloji kullanımına yönelik olumlu gelişim ve pazarlara erişimde sunduğu kolaylıklar gibi sebepler neticesinde üreticiler ve satıcılar tarafından benimsenmiş, gelişmekte olan bir sektör konumuna erişmiştir. Bununla birlikte işletmeler; finansman, stok yönetimi, planlama, pazarlama gibi alanlarda geleneksel dağıtım kanallarını kullanan firmalarla benzer kısıtlarla karşılaşmaktadırlar. Çalışmamızda bu kısıtlara yönelik, kaynakların verimli tahsisini sağlayacak çözüm arama motivasyonu ile, gecikmeli açıklayıcı değişkenler ile kurulmuş Genelleştirilmiş Lineer Karma Model (GLKM) tabanlı bir erken uyarı sistemi geliştirilmiştir. Birden fazla gözlem birimi ve bağımsız değişkenlerin zamansal davranışlarını kapsayan model performansı, nadir görülen sınıfların tahmininde ve karmaşık bağımsız değişkenler arası ilişkilerin modellenmesinde güçlü performans sergileyen makine öğrenmesi algoritmalarıyla elde edilen sonuçlar ile karşılaştırılmıştır. Elde edilen bulgular, Genelleştirilmiş Lineer Karma Modellerin ürün bazında yorumlanabilir sonuç üretmesi ile süreç yönetimine sağladığı katkı yanı sıra stok ve bütçe optimizasyonuna yönelik proaktif karar alma süreçlerini destekleyen bir araç olduğunu ortaya koymaktadır. Ek olarak, nadir sınıfların ve tahminleyici değişkenler arası karmaşık ilişkilerin var olduğu durumlarda Yapay Sinir Ağları test verisi F1 skorunda GLKM' ye göre %30.5, AUC skorunda ise %7.7 daha yüksek performans sergilediği görülmüştür. Bu sonuçlar, e-ticaret alanında kaynak optimizasyonuna yönelik kapsayıcı çözümler sunabilecek erken uyarı sistemlerinin tasarımında hibrit yaklaşımların potansiyelini ortaya çıkarmaktadır.
Özet (Çeviri)
Early Warning Systems (EWS) were initially developed with the aim of improving post-disaster process management and preparedness by monitoring the signals of natural disasters that have detrimental consequences. The achievements have attracted the attention of various fields and highlighted EWS's applicability to areas requiring similar predictive insights. As a result, new applications of EWSs emerged. Recently, e-commerce became a thriving industry embraced by manufacturers and sellers due to factors such as positive attitude of consumers toward technology adoption and the ease of access it offers to markets. However, businesses face similar constraints to those using traditional distribution channels in areas such as financing, inventory management, planning and marketing In our study, motivated by the seeking solutions that will enable efficient resource allocation to address these constraints, we developed an EWS on the Generalized Linear Mixed Model (GLMM) with lagged explanatory variables. Model performance, encompassing multiple subjects and the temporal behavior of independent variables, compared with results obtained from machine learning (ML) algorithms that demonstrate strong performance in predicting rare classes and modeling complex relationships among covariates. Results demonstrate that GLMMs contribute to process management by producing interpretable results on a product-based inference. In addition, being a tool that supports proactive decision-making processes for inventory and budget optimization. Furthermore, in cases where rare classes and complex relationships between predictors are present, Artificial Neural Networks outperformed GLMMs by 30.5 % in test set F1 score and by 7.7% in AUC score. These findings highlight the potential of hybrid approaches in the design of EWSs that can offer comprehensive solutions for resource optimization in e-commerce.
Benzer Tezler
- Hydrodynamic and thermal variability of the turkish strait system
Türk boğazlar sistemi'nin hidrodinamik ve termal değişkenliği
ŞEHRİBAN ŞEN
Doktora
İngilizce
2025
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. TARKAN ERDİK
- Otonom bir otomobil için hız kontrolörü tasarımı ve uygulaması
Design and implementation of speed controller for an autonomous car
ŞAFAK GÜNER
Yüksek Lisans
Türkçe
2012
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ATA MUĞAN
- Paleoclimate networks: Reconstruction and analysis
Paleoiklim ağları: Oluşturulma ve analiz
MEHMET ÇELİK ÖZDEŞ
Doktora
İngilizce
2025
MatematikKadir Has ÜniversitesiHesaplamalı Bilimler Ana Bilim Dalı
DOÇ. DR. DENİZ EROĞLU
- Fatigue detection of drivers using image processing and artificialintelligence techniques
Kullanarak sürücülerin yorgunluk tespiti görüntü işleme ve yapayzeka teknikleri
OMER NASIH ISMAEL ALHURMUZI
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ TİMUR İNAN
- Türkiye'deki havalimanlarında düşük görüş mesafesinin istatistiksel ve meteorolojik analizi ile makine öğrenmesi tabanlı tahmini
Statistical and meteorological analysis, and machine learning-based prediction of low visibility at airports in Türkiye
İBRAHİM AKBAYIR
Doktora
Türkçe
2025
Sivil Havacılıkİstanbul Teknik ÜniversitesiMeteoroloji Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ DENİZ DEMİRHAN