Predicting the next event time in Google Analytics using machine learning
Makine öğrenimini kullanarak Google Analytics üzerinde kullanıcının sonraki etkinlik zamanını tahmin etmek
- Tez No: 728729
- Danışmanlar: DOÇ. DR. ETHEM ÇANAKOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Google, Makine öğrenmesi, Zaman analizi, Google, Machine learning, Time analysis
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Bahçeşehir Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Yapay Zeka Ana Bilim Dalı
- Bilim Dalı: Mühendislik Bilimleri Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Web ve mobil uygulamalara ait birçok veri toplanmakta ve işlenmektedir. Birçok kullanıcının bu platformlarda bazı eylemleri vardır ve bu eylemler kuruluşlar için davranışların analiz edilmesini ve tahmin edilmesi açısından önemli bir role sahiptir. Kuruluşlar müşterilere web ve ya uygulamalar aracılığıyla ulaşmaya çalışmaktadır. Gelişen veri işleme ve analitiği işlemleriyle kullanıcılara ait bir çok veri saklanmaya başlandı ve böylece şirketler kullanıcıya dair bir çok fikre sahip oldular. Kullanıcıların demografik bilgileri, websitesi/uygulama üzerindeki tıklama, ziyaret, siteden çıkma, sitede geçirdikleri vakit, hangi ürün/hizmetlere baktıkları, hangi ürünleri sepete ekledikleri, favori ürün/hizmetleri gibi bir çok bilgiye sahip olan şirketler bunları saklamakta ve işlemekte iyi olmalıdırlar. Örneğin, Google Analytics uygulaması bu veriler için iyi bir altyapı hazırlamaktadır. Belirli entegrasyonlar yapıldıktan sonra az önce bahsettiğimiz verileri toplamaya başlar ve uygun bir raporlama sistemi ile şirketlere sunar. Bu verilerle kullanıcının bir sonraki ziyaret tarihi, bir sonraki alacağı ürün, bunu ne zaman alabileceği, websitesine gelen kişiye uygun ürün önerisi sunma, kişinin uygulamayı bırakabileceğinin tahmini gibi bir çok ileriye dönük tahmin çalışması yapılabilir ve uygulamalar bunlar için farklı aksiyonlar alabilir. Bu çalışmada, Google Analytics örnek veri seti kullanılarak kullanıcıların siteyi tekrar ziyaret ederlerse ne zaman olacağı, web ve mobil üzerindeki hareketlerine göre tahmin edilmiştir. Bu çalışmanın diğer çalışmalara göre farklılığı, tahminlemeye bir segmentasyon katmanının eklenmesi ve tahmin özelliklerine kümelerin eklenmiş olmasıdır. Segmentler bir özellik olarak tahmin kümesine eklendiğinde model perfomansının arttığı gözlemlenmiştir. Farklı makine öğrenimi modelleri kullanılmış, en yüksek performans ölçütlerine sahip XGBoost modeli kullanılmış ve bir tahmin çalışması yapılmıştır.
Özet (Çeviri)
A lot of data belonging to web and mobile applications are collected and processed. Many users have some actions on these platforms, and these actions play an important role for organizations in analyzing and predicting behavior. Companies that have a lot of information such as demographic information of users, clicks on the website / application, visits, exit from the site, the time they spend on the site, what products / services they look at, which products users add to the cart, users' favorite products / services and they should be good at storing and processing them. After certain integrations are made, it starts to collect the data we just mentioned and presents it to companies with an appropriate reporting system. With this data, many forward-looking predictions such as the next visit date of the user, the next product to buy, the prediction of churn behavior can be made, and the organizations can take different actions for them. In this study, using the Google Analytics sample data set, when users visit the site again, it was estimated based on their movements on the web and mobile. The difference of this study from other studies is that a segmentation layer is added to the prediction and clusters are added to the prediction features. As the segments were added to the prediction set as a feature, the performance increase is observed. Different machine learning models were used, the XGBoost model with the highest performance criteria was used and a prediction study was made.
Benzer Tezler
- Gömülü sistemlerde sesli komut tanıma
Voice command recognation in embedded systems
CAN ÇETİN
Yüksek Lisans
Türkçe
2020
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN
- Dokuma kumaşlarda örgü tipinin ham kumaşın boyutları ve geometrik özellikleri üzerindeki etkilerinin araştırılması
Başlık çevirisi yok
EMEL ÖNDER
Yüksek Lisans
Türkçe
1985
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜNGÖR BAŞER
- Studies on the cuttability of rocks at O.A.L. Çayırhan district by laboratory cutting tests
Başlık çevirisi yok
KÜRŞAD CEYLAN
Yüksek Lisans
İngilizce
1987
Maden Mühendisliği ve MadencilikOrta Doğu Teknik ÜniversitesiMaden Mühendisliği Ana Bilim Dalı
DOÇ. DR. NACİ BÖLÜKBAŞI
- Havuçların haşlanmasında difüzyonun modellenmesi
Başlık çevirisi yok
FİGEN KAYMAK
Yüksek Lisans
Türkçe
1986
Gıda MühendisliğiEge ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DOÇ. DR. SUZAN KINCAL
- Arpada diallel melez analizleri ile bazı tarımsal özelliklerin kalıtımı üzerinde araştırmalar
Başlık çevirisi yok
KAYIHAN Z. KORKUT
Doktora
Türkçe
1981
ZiraatEge ÜniversitesiBitki Islahı ve Genetik Ana Bilim Dalı
PROF. DR. İBRAHİM DEMİR