Kampanya seçiminde müşteri davranışlarının makine öğrenmesi ile öngörülmesi : CRM uygulamaları
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Sosyal Bilimler Enstitüsü, Ekonometri Ana Bilim Dalı, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: SEMRA ALTINCELEP
Danışman: EFE SARIBAY
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Son yıllarda artan veri hacmi ve gelişen teknoloji sebebiyle birçok ürün ve hizmet ulaşılabilir bir hale gelmiştir. Bu gelişmeler neticesinde verilerden anlamlar çıkarıp aksiyom alan çoğu şirket çağın gerisinde kalmayarak rekabetçi piyasa koşullarında ayakta kalmayı başarmışlardır. Gelecek bir zaman diliminde yaşanacak herhangi bir durumu önceden kestirebilmek şirketler açısından oldukça önemli ve öne çıkmayı sağlayan bir durumdur. Karı maksimize etmek en temel amaçlardan biridir. Bunun içinde ihtiyaç duyulan şey öncelikle bir müşteri ve müşteriyi elde tutma sadakatidir. Markalar çoğu zaman yeni müşteri elde etmenin maliyetini göze almamak için var olan müşterilerine sürekli alışveriş yapmaları için kampanyalar yaparlar. Tam olarak bu noktada alım yapacak müşteri kitlesini belirlemek ve alım yapacakları fiyatları ön görebilmek için devreye makine öğrenmesi ve CRM kavramları girer. Müşteri kitlesini bilmek hem eldeki müşteriyi sürekli alışverişe davet etmek için hem de daha sonra gelecek olan müşterinin hangi kampanyayı seçip alışveriş yapmaya meyilli olacağı makine öğrenmesi aracılığıyla tahmin edilerek doğru bir yönlendirme sağlar. Pazarlama kampanyalarında kişiselleştirilmiş kampanyalar ve bununla birlikte özelleştirilmiş fiyatlar sunabilmek amacıyla müşteri ilişkileri yönetiminde veri bilimi çalışmaları oldukça gündemdedir. Bu tez çalışmasında pazarlama stratejileri uygulayarak elde edilen müşterilerin şirket karını maksimize ederek müşterileri elde tutmayı hedeflerken müşterilerin satın alma davranışlarını makine öğrenmesi algoritmaları ile analiz edip müşterilere uygun satın alabilecekleri kampanyaları tahmin eder. Böylelikle müşterilere alım yapacakları doğru fiyatlarla kampanyalar belirlenip var olan müşteriler elde tutularak kar maksimize edilecektir. Buna istinaden bu çalışmada beş farklı makine öğrenmesi algoritmasının performansı detaylı bir şekilde incelenmiştir. Random Forest, Decision Tree, Support Vector Machine, XGBoost ve CatBoost algoritmaları, kampanya seçiminde müşterilerin demografik özelliklerine göre seçilen kampanyayı belirlemek üzere kapsamlı bir karşılaştırmaya tabi tutulmuştur. Araştırma sonuçları, her algoritmanın performansını, doğruluk oranını ve genel etkinliğini değerlendirmiş ve özellikle Random Forest, XgBoost ve CatBoost algoritmalarının diğer yöntemlere kıyasla daha yüksek doğruluk oranı ve genel performans sunduğunu ortaya koymuştur. Bu bulgular, işletmelerin kampanya stratejilerini kişiselleştirilme açısından nasıl optimize edebileceği konusunda değerli bilgiler sunmaktadır.