Customer lifetime value prediction for an online marketplace for local services using machine learning
Yerel hizmetler pazar yeri için yapay öğrenme kullanarak müşteri yaşam boyu değeri kestirilmesi
- Tez No: 775383
- Danışmanlar: DOÇ. DR. MEHMET GÖNEN
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Industrial and Industrial Engineering, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Makine öğrenmesi, Pazar yeri, Yerel hizmetler, Machine learning, Marketplace, Local services
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Koç Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Veri Bilimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
İçinde bulunduğumuz doğrudan ve dijital pazarlama çağında, müşteri odaklı metrikler, özellikle müşteri yaşam boyu değeri (YBD), müşteri ilişkileri yönetimi ve genel olarak pazarlama stratejileri için en önemli iş metriklerinden biri haline gelmiştir. Bir müşterinin tüm ilişki süresi boyunca firmaya getireceği kâr veya gelirin bir ölçüsü olan müşteri YBD'si, her bir müşteri için büyük farklılık gösterir ve bu da firmanın tüm müşteri havuzu üzerindeki YBD tahminlerini oldukça zorlaştırır. Hızla genişleyen yapay öğrenme alanı, bu sorunu çözmek için çok uygun bir araçtır. Bu çalışmada, yerel bir hizmet pazarı olan Armut AŞ'nin dijital reklamlarının optimizasyonunda kullanılan müşteri YBD'sini tahmin edecek bir model geliştirdik. Model, doğrusal regresyon, karar ağacı, aşırı gradyan artırma (XGBoost) ve yapay sinir ağları (YSA'lar) dahil olmak üzere çeşitli yapay öğrenme algoritmalarıyla denemeler yapılarak ve veri kümesindeki kategorik özellikler için kodlama tekniklerinin bir kombinasyonu ile deneyler yapılarak geliştirilmiştir. Modeller, 5 katlı zaman serisi çapraz doğrulama kullanılarak değerlendirilmiş olup, 1,740 ila 1,776 arasında değişen normalleştirilmiş ortalama karekök hatası (NOKH) ile karşılaştırılabilir sonuçlar vermiştir. Bu modeller arasından kullanılmak üzere XGBoost seçilmiştir. Bu model, verileri iş modeline göre bölümlere ayırarak ve eğitim seti zaman penceresini 12 aya genişleterek daha da optimize edilmiştir. Bu optimizasyon sonucunda 1,725 NOKH skoruna ulaşılmıştır. Elde edilen model devreye alınmıştır ve şu anda Armut AŞ'de çalışmaktadır.
Özet (Çeviri)
In this age of direct and digital marketing, customer-oriented metrics, especially customer lifetime value (LTV), have become one of the most important business metrics for customer relationship management (CRM) and marketing strategies in general. The customer LTV, a quantification of the profit or revenue that a customer will bring to the firm over their entire relationship period, differs wildly for different customers, which makes predictions over the entire pool of the firm's customers quite challenging. The rapidly expanding field of machine learning is uniquely suitable for solving this problem. In this study, we develop a model for predicting customer LTV for a local services marketplace, namely Armut AŞ. The predicted LTV is then used for the optimization of the company's digital ads. The model was developed through experimenting with several machine learning algorithms including linear regression, decision tree, extreme gradient boosting (XGBoost), and artificial neural networks (ANNs), as well as experimenting with a combination of encoding techniques for the categorical features in the data set. The models were evaluated using 5-fold time-series cross-validation and yielded comparable results with normalized root mean square error (NRMSE) ranging from 1.740 to 1.776. The chosen model was XGBoost, and it was further optimized by segmenting the data based on its business model as well as expanding the training set time window to 12 months yielding the final model with an NRMSE of 1.725. This model was deployed and is currently operating at Armut AŞ.
Benzer Tezler
- Güvenilirlik merkezli bakım ve bir endüstriyel işletmede uygulama çalışması
Reliability centered maintenance and implementation study in an industrial business
BARIŞ EVCİN
Yüksek Lisans
Türkçe
2021
Mühendislik Bilimleriİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT BASKAK
- Markov zincirleri ile pazar payı tahmini ve renkli televizyon pazarına ilişkin bir uygulama
Market share estimation of colored TV with markov chains for the period of 1990-1995
BÜLENT MENGÜÇ
- Perakende sektöründe stok sınıflandırması ve ürün yaşam eğrisi analizi
Stock classification and product life cycle analysis in retail sector
ELVAN PALABIYIK
Yüksek Lisans
Türkçe
2019
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT BASKAK
- Fuzzy clustering based ensemble learning approach: Applications in digital advertising
Bulanık kümeleme tabanlı topluluk öğrenmesi yaklaşımı: Dijital reklam alanında uygulamalar
AHMET TEZCAN TEKİN
Doktora
İngilizce
2021
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik Üniversitesiİşletme Mühendisliği Ana Bilim Dalı
PROF. DR. FERHAN ÇEBİ
PROF. DR. TOLGA KAYA
- Determining player lifetime value in mobile puzzle game using machine learning techniques
Makine öğrenmesi teknikleri kullanılarak mobil puzzle oyunlarda müşteri yaşam boyu değerinin belirlenmesi
GİRAYHAN CANBEK LEVENT
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBüyük Veri Analitiği ve Yönetimi Bilim Dalı
PROF. DR. MEHMET ALPER TUNGA