Perakende sektöründe veri madenciliği teknolojisinin müşteri ilişkileri yönetiminde kullanılmasına ilişkin bir uygulama
An application regarding the use in customer relationship management of data mining technology in retail industry
- Tez No: 990028
- Danışmanlar: PROF. DR. ESEN GÜRBÜZ
- Tez Türü: Doktora
- Konular: İşletme, Business Administration
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Niğde Ömer Halisdemir Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: İşletme Ana Bilim Dalı
- Bilim Dalı: Üretim Yönetimi ve Pazarlama Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Perakende sektöründe dijitalleşmenin hız kazanmasıyla birlikte işletmeler, büyük hacimli işlem verilerini daha etkin analiz ederek CRM süreçlerini geliştirme ihtiyacı duymaktadır. Bu araştırmanın temel amacı, bir perakende işletmesinden elde edilen fiş bazlı işlem verilerinin veri madenciliği yöntemleri kullanılarak analiz edilmesi ve elde edilen bulguların CRM süreçlerine sağlayabileceği katkıların ortaya konulmasıdır. Çalışmanın evrenini Kayseri ilinde faaliyet gösteren bir perakende zincirinin tüm satış işlemleri oluştururken, örneklemini 2023-2024 yılları ile 2025 yılının ilk üç ayında işletmenin bir şubesinde gerçekleşen toplam 5.297.513 adet satış işlemi satırı oluşturmaktadır. Büyük hacimli verilerin yönetimi için SQLite veri tabanı tercih edilmiştir. Veri analizi Python tabanlı bir altyapı ile gerçekleştirilmiş, modelleme aşamalarında veriye uyarlanabilir öğrenme yaklaşımlarından yararlanılmıştır. Analiz sürecinde iki temel veri madenciliği yöntemi uygulanmıştır: (1) Pazar sepeti analizi (Apriori) ve (2) Zaman serisi analizi (Holt-Winters). Apriori algoritması ile tüketicilerin aynı alışveriş sepetinde birlikte satın aldıkları ürünler arasındaki ilişkiler, destek–güven–kaldırma ölçütleri üzerinden belirlenmiştir. Holt-Winters yöntemi ile satışların zaman içindeki eğilimleri incelenmiş ve üç aylık talep tahminleri elde edilmiştir. Analiz bulguları, perakende satış verilerinde belirgin ürün birlikteliklerinin varlığını ortaya koymuş; özellikle temel tüketim kategorilerinde yüksek destek değerleri ile öne çıkan sık ürün kümeleri, işletme açısından kampanya planlama, çapraz satış ve raf yerleşimi kararlarının veri temelli biçimde yönlendirilebileceğini göstermiştir. Zaman serisi sonuçları ise satışların belirli dönemlerde istikrarlı eğilimler ve mevsimsel örüntüler sergilediğini, talep dalgalanmalarının stok yönetimi ve envanter planlaması süreçlerinde kritik bir belirleyici olduğunu ortaya koymuştur. Holt-Winters tahminleri, işletmenin kısa dönemli planlamalarında kullanılabilecek anlamlı tahminler sunmuştur. Elde edilen tahmin değerleri gerçek satışlarla karşılaştırıldığında, modelin özellikle temel tüketim ürünlerinde dönemsel hareketleri başarılı biçimde yakaladığı ve kısa dönemli tahmin performansının yüksek olduğu görülmüştür. Sonuç olarak çalışma, perakende satış verilerinin hem sık birlikte alınan ürün ilişkilerini hem de zaman içerisinde değişen talep hareketlerini birlikte ele alan bütüncül bir yaklaşım ile değerlendirilmesinin CRM süreçlerinde; müşteriyle temas noktalarında operasyonel boyutuna ve teknoloji desteği gereken arka ofis uygulamalarında da analitik boyutunda kullanılabileceğini göstermektedir. Bu yapı, işletmelerin müşterilerini çok boyutlu biçimde anlamasına, pazarlama kararlarını optimize etmesine ve veri temelli karar alma yetkinliğini güçlendirmesine katkı sunmaktadır. Araştırma sonuçları, Türkiye perakende literatürüne ve uygulamaya veri madenciliğini birliktelik analizi ve zaman serisi analizinin birlikte kullanılması ve CRM süreçlerine katkısını bütüncül bir perspektifle açıklamakta olmasıyla, özgün katkı sunmaktadır.
Özet (Çeviri)
With the accelerating pace of digitalization in the retail sector, businesses increasingly need to analyze large-scale transaction data to enhance their CRM processes. The primary objective of this study is to analyze receipt-based transaction data obtained from a retail enterprise using data mining methods and to reveal how the resulting insights can contribute to CRM practices. The population of the study consists of all sales transactions of a retail chain operating in the province of Kayseri, while the sample comprises 5,297,513 transaction records generated in a single store between 2023-2024 and the first quarter of 2025. SQLite was used for managing the large-scale dataset, and data analysis was conducted through a Python-based infrastructure. Adaptive, data-driven learning approaches were utilized during the modeling phase. Two main data mining methods were applied in the analysis: (1) market basket analysis (Apriori) and (2) time series analysis (Holt-Winters). The Apriori algorithm was employed to identify associations among products purchased together within the same basket, based on support, confidence, and lift metrics. The Holt-Winters method was used to examine temporal trends in sales and to generate three-month demand forecasts. The findings revealed distinct product associations within retail sales data; frequent itemsets with high support values, especially in basic consumer goods, indicate that businesses can utilize these patterns to inform campaign planning, cross-selling strategies, and shelf layout decisions. Time series results demonstrated stable trends and seasonal patterns in sales, highlighting the importance of demand fluctuations for inventory and stock management. The Holt-Winters forecasts produced meaningful shortterm projections, and comparison with actual sales showed that the model successfully captured seasonal movements-particularly for key consumer product Groups-with strong short-term predictive performance. In conclusion, the study demonstrates that evaluating retail sales data through a holistic approach that simultaneously considers both frequently co-purchased product relationships and demand dynamics that change over time can be effectively utilized within CRM processes-operationally at customer touchpoints and analytically in back- office applications that require technological support. This framework contributes to firms' ability to understand their customers in a multidimensional manner, optimize marketing decisions, and strengthen data-driven decision-making capabilities. The research findings offer an original contribution to the Turkish retail literature and practice by explaining, from a holistic perspective, the joint use of data mining techniques- namely association analysis and time series analysis-and their contribution to CRM processes.
Benzer Tezler
- Türkiye'de üretilen bazı kışlık el örgü ipliklerinin başlıca iplik ve lif özellikleri üzerinde bir araştırma
Başlık çevirisi yok
SEMA YÜCEBAŞ
Yüksek Lisans
Türkçe
1986
Tekstil ve Tekstil MühendisliğiEge ÜniversitesiTekstil Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLSEREN YAZICIOĞLU
- Departmanlı mağazaların organizasyon yapıları ve GİMA T.A.Ş.'deki inceleme
Başlık çevirisi yok
CELİL KOPARAL
- Ankara şehrinde kızartmalık piliç (broiler) pazarlaması verimlilik analizi
Broiler marketing productivity analysis in Ankara province
MEVHİBE MEŞHUR
Yüksek Lisans
Türkçe
1989
Gıda MühendisliğiAnkara ÜniversitesiTarım Ekonomisi Ana Bilim Dalı
PROF.DR. TURAN GÜNEŞ
- Kuzey Kıbrıs Türk Cumhuriyetin'de Merkez Bankacılığı ve parasal sorunlar
Başlık çevirisi yok
HAKKI EMRE