Geri Dön

A machine learning approach to understand the Amazon buy box mechanism

Amazon buy box mekanizmasını anlamak için bir makine öğrenmesi yaklaşımı

PDF İndir

  1. Tez No: 764065
  2. Yazar: EMRE ERYILMAZ
  3. Danışmanlar: Assoc. Prof. Dr. AYŞE KOCABIYIKOĞLU, Assist. Prof. Dr. BURAK GÖKGÜR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İşletme, Business Administration
  6. Anahtar Kelimeler: Amazon, Elektronik ticaret, Makine öğrenmesi, Makine öğrenmesi yöntemleri, Satın alma, Satın alma sistemi, İşletme analitiği, Amazon, Electronic commerce, Machine learning, Machine learning methods, Purchasing, Purchasing system, Business analytics
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: Sabancı Üniversitesi
  10. Enstitü: Yönetim Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İş Analitiği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Amazon marketplace, dünyanın önde gelen e-ticaret şirketidir. Pazar yerinin en önemli özelliklerinden biri, bir ürünün birden fazla satıcı tarafından müşterilere sunulabilmesidir. Bu satıcılardan biri, ürün ayrıntıları sayfasında satın alma kutusu kazananı (buy box) olarak Amazon tarafından seçilir. Bir satıcı için buy box pozisyonunu kazanmak çok önemlidir çünkü satışların %80'inden fazlası buy box satıcıları tarafından yapılır. Bu tezde, Amazon Buy Box mekanizmasını anlamak için bir makine öğrenimi yaklaşımı geliştirdik. Veri kümesini Amazon AnyOfferChanged- Notification API aracılığıyla topladık. Veri seti, bir ürünün en düşük yirmi teklifi ve satıcıların özelliklerini tarih bilgisi ile birlikte içermektedir. Buy box kazananlarını tahmin etmek için Random Forest, XGBoost ve LightGBM olan denetimli makine öğrenimi sınıflandırma modelleri geliştirdik. Ayrıca, hiperparametre ayarlama ve çeşitli alt küme seçim teknikleri uyguladık. Bu modeller, seçilen ürünler için %97'den fazla doğruluk yansıtmaktadır. XGBoost modeli, doğruluk, kesinlik, geri çağırma ve f1 puanı açısından diğer modellerden biraz daha yüksek performans göstermiştir.

Özet (Çeviri)

Amazon marketplace is the leading e-commerce company globally. One of the most important features of the marketplace is a product can be offered to the customers by more than one seller. One of these sellers is selected by Amazon as the buy box winner on the product details page. Winning the buy box position is very important to a seller because more than 80% of the sales occur by buy box sellers. In this thesis, we developed a machine learning approach to understand the Amazon Buy Box mechanism. We have gathered the data set via Amazon AnyOfferChangedNotification API. The data set consists of the lowest twenty offers of a product and features of the sellers with the gathering time of the data set which is publicly available. We have developed supervised machine learning classification models which are Random Forest, XGBoost, and LightGBM to predict buy box winners. We have applied hyperparameter tuning and several subset selection techniques. These models reflected over 97% of accuracy for selected products. XGBoost model performed slightly higher than other models in terms of accuracy, precision, recall, and f1 score.

Benzer Tezler

  1. Tez No

    760925

    Pazarlama hizmetinde yapay zeka: Netflix öneri sistemi örneği

    Artificial intelligence in the service of marketing: Case of Netflix recommendation system

    MARWA BELHADJ

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    İşletmeNecmettin Erbakan Üniversitesi

    İşletme Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ MAHMUT NEVFEL ELGÜN

  2. Tez No

    904004

    A machine learning approach to predict the buy box winner

    Satın alma kutusu kazananını tahmin etmek için bir makine öğrenimi yaklaşımı

    BAYAN HASAN ISHAQ AL-ANANI AL-ANANI

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir Üniversitesi

    Veri Analitiği Ana Bilim Dalı

    YRD. DOÇ. DR. SELAMİ BAĞRIYANIK

  3. Tez No

    881075

    A multi-class approach to next session and in-session purchase prediction with real-time e-commerce data using machine learning techniques

    Makine öğrenmesi modelleri ile gerçek zamanlı e-ticaret datasını kullanarak gelecek oturum ve oturum içi satın alım tahmini

    GİZEM SÜRHAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Mühendislik BilimleriBoğaziçi Üniversitesi

    Hesaplamalı Bilimler ve Mühendislik Ana Bilim Dalı

    PROF. BERTAN YILMAZ BADUR

  4. Tez No

    774319

    Development of a new machine learning-based method to detect threats and prevent attacks on the internet of things and simulation with Cooja

    Nesnelerin internetinde tehditleri algılamak ve saldırıları önlemek için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi ve Cooja ile benzetimi

    ALI HAMID AHMED SALEH FAREA

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. KEREM KÜÇÜK

  5. Tez No

    850818

    Badland systems in Turkey: A holistic approach to understand the formation, controlling factors and geomorphologic characteristics

    Türkiye'deki kırgıbayır sistemleri: Oluşumlarını, kontrol eden faktörlerini ve jeomorfolojik karakterlerini anlamak üzerine bütünsel bir yaklaşım

    AYDOĞAN AVCIOĞLU

    Doktora

    İngilizce

    İngilizce

    2023

    Coğrafyaİstanbul Teknik Üniversitesi

    Katı Yer Bilimleri Ana Bilim Dalı

    DOÇ. DR. TOLGA GÖRÜM

    DR. ÖĞR. ÜYESİ ÖMER YETEMEN

Geri Dön