RFM analizi ile müşteri segmentasyonu: Perakende sektöründe bir uygulama
Customer segmentation with RFM analysis: An application in retail industry
- Tez No: 976033
- Danışmanlar: PROF. DR. ABDULLAH FIRAT ÖZDEMİR
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Veri Bilimi Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojinin gelişmesi, şirketler arasındaki rekabetin de farklı boyutlar kazanmasına sebep olmuştur. Birçok işletme müşterileriyle ilgili geniş kapsamlı veriler toplamaktadır. Bu veriler çeşitli analiz yöntemleri ile işlenip anlamlı ve faydalı bilgilere dönüştürülmekte, bu da işletmelerin müşterileri daha iyi anlamasına ve kârlarını artıracak stratejiler geliştirmesine katkı sağlamaktadır. Müşterileri daha iyi anlamanın en etkili çözümlerinden biri, onları segmentlere ayırmaktır. Bu çalışmada, elektronik perakende sektöründe faaliyet gösteren bir firmadan alınan bir yıllık alışveriş verileri kullanılarak yaklaşık 2 milyon müşteri Recency (Yakınlık), Frequency (Sıklık) ve Monetary (Parasallık) gibi ölçütler üzerinden segmentlere ayrılmıştır. Elde edilen RFM skorları sıklıkla kullanılan makine öğrenmesi algoritmalarından K-Ortalamalar Kümeleme ve HDBSCAN Kümeleme ile de analiz edilerek sonuçlar incelenmiştir. Kümeleme yöntemlerinin performansları Davies-Bouldin Skoru ile Calinski-Harabaz İndeksine göre kıyaslanmıştır. Çalışma, işletmelerin pazarlama kampanyaları oluşturarak müşteri sadakatini ve şirket gelirini artırmaya yönelik uygulamalar yapmasına rehber olmuştur.
Özet (Çeviri)
The advancement of technology has led to new dimensions in competition among companies. Many businesses collect comprehensive data about their customers. These data are processed using various analytical methods and transformed into meaningful and useful insights, helping companies understand their customers better and develop strategies to increase profitability. One of the most effective ways to better understand customers is to segment them. In this study, shopping data from a one-year period was collected from a company operating in the electronics retail sector. Nearly two million customers were segmented based on Recency, Frequency, and Monetary (RFM) metrics. The obtained RFM scores were further analyzed using commonly used machine learning algorithms such as K-Means Clustering and HDBSCAN Clustering. The performance of these clustering methods was compared using the Davies-Bouldin Score and the Calinski-Harabasz Index. This study served as a guide for businesses to design marketing campaigns aimed at increasing customer loyalty and company revenue.
Benzer Tezler
- Müşteri segmentasyonu odaklı bütünleşik bir ürün öneri sistemi: Moda perakendesi sektöründe bir uygulama
A customer segmentation oriented integrated product recommendation system: An application in fashion retail sector
EMRE YILDIZ
Yüksek Lisans
Türkçe
2018
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. CEYDA ŞEN
- Müşteri profili ve alışveriş hareketlerini belirlemede RFM analizi ve birliktelik kuralları analizi: Perakende sektöründe bir uygulama
Customer profile and shopping movements RFM analysis and combination in determination rules analysis: A thing in the retail industryapplication
GÜLFEM OĞUR
Yüksek Lisans
Türkçe
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Ticaret ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZ BORAT
- Perakende sektöründe kümeleme algoritmaları ile müşteri segmentasyonu ve RFM modeli
Customer segmentation and RFM analysis using clustering algorithms in retail industry
SAMET KANCA
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. YAKUP ÇELİKBİLEK
- Bir e-ticaret firması için rfm analizi ve kümeleme algoritmaları kullanılarak müşteri segmentasyonu ve analizi
Customer segmentation using rfm analysis and customer segmentation and analysis with using clustering algorithms
HAVVA GÜLSÜM ERARSLAN
Yüksek Lisans
Türkçe
2023
İstatistikİstanbul Medeniyet ÜniversitesiUygulamalı Matematik ve Hesaplamalı Bilimler Ana Bilim Dalı (disiplinlerarası)
DOÇ. DR. RÜYA ŞEN
- Makine öğrenmesinde boyutsal indirgeme teknikleri ile mobil oyun kullanıcı segmentasyonu
Mobile game user segmentation with dimensionality reduction techniques in machine learning
GÜLEN ARIKAN KOKKAYA
Doktora
Türkçe
2023
İstatistikMarmara ÜniversitesiEkonometri Ana Bilim Dalı
PROF. DR. İLKNUR ESEN YILDIRIM