Bulanık çıkarım ve makine öğrenmesi tabanlı sadakat programı tasarımı
Loyalty program design based on fuzzy inference and machine learning
- Tez No: 992804
- Danışmanlar: PROF. DR. SELÇUK ÇEBİ
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Sistem Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Teknolojik gelişmeler ve değişimler, insanların yaşamını, davranışlarını ve tercihlerini hızla değiştirmekte ve iş dünyasının dinamiklerini de etkilemektedir. Günümüzde firmalar veriyi doğru ve etkili bir biçimde kullanarak diğerlerinden bir adım öne geçebilmektedir. Müşterisini anlayan ve onun ihtiyaçlarına karşılık verebilen işletmeler ancak başarılarını sürdürülebilir kılabilir. Bu sebepten dolayı müşteri sadakatini sağlamak tüm sektörlerde önemli bir zorluk haline gelmiştir. Rekabetin yüksek olduğu sektörlerde, müşteri davranışlarını doğru bir şekilde analiz etmek ve hedefli pazarlama stratejileri geliştirmek hayati öneme sahiptir. Veriden anlamlı içgörüler elde etmek, veri sayısı oldukça fazla olduğundan kolay gibi gözükse de veride karmaşıklık ve anlam arttığından dolayı bunu etkin biçimde gerçekleştirmek oldukça zordur. Restoranlar için etkili bir yaklaşım, müşteri sadakatini artıran kişiselleştirilmiş indirim oranları tanımlamaktır. Bu çalışmada, paket servis yemek müşterilerine hizmet veren çeşitli uygulama kanallarından toplanan gerçek müşteri verileri analiz edilmiştir. Müşteri verileri denetimsiz makine öğrenmesi algoritmaları ve RFM (Yenilik, Sıklık, Parasal Değer) yöntemi kullanılarak kümelendirilmiş ve etiket değerleri atanmıştır. Etiket değerleri doğrultusunda müşteri indirim oranları ilgili kümelere tanımlanmıştır. Elde edilen kümelemenin performansı, kümeleme algoritması seçilirken kullanılan Silüet, Davies-Bouldin ve Calinski-Harabasz indekslerinin ağırlıklı ortalaması kullanılarak belirlenmiştir. Belirlenen değerler sonucu oluşturulan kümelerin arasındaki fark ise Kruskal-Wallis testi kullanılarak belirlenmiştir. Tanımlanan indirim oranlarının müşteri hedefli ve kişiselleştirilmiş indirimler olması için yenilik, sıklık ve parasal değer özellikleri, ortalama ve standart sapma değerlerinden yararlanılarak bulanıklaştırılmış ve Mamdani kural tabanı kullanılarak müşteriler için indirim katsayıları hesaplanmıştır. Hesaplanan indirim katsayıları ile makine öğrenmesi sonucu elde edilen kümeye atanan indirim oranı çarpılarak nihai indirim oranı bireysel müşteri düzeyinde tanımlanmıştır. Önerilen yeni yöntem üç farklı restoran üzerinde uygulanmış ve algoritma performansları test edilmiştir. Bu çalışma veri odaklı ve uygulamalı hibrit bir sadakat programı tasarımını ve yeni bir araştırma çerçevesini ortaya koymaktadır.
Özet (Çeviri)
Technological developments and changes have not only rapidly changed people's lives, behaviors and preferences, but have also affected the dynamics of the business world. Today, companies can be one step ahead of others by using data accurately and effectively. Businesses that understand their customers and respond to their needs can only sustain their success. For this reason, ensuring customer loyalty has become an important challenge in all sectors. In highly competitive industries, it is vital to accurately analyze customer behavior and develop targeted marketing strategies. Gaining meaningful insights from data may seem easy because of the sheer volume of data, but it is difficult to do so effectively because of the increasing complexity and meaning of the data. An effective approach for restaurants is to define personalized discount rates that increase customer loyalty. In this study, we analyze real customer data collected from various app channels serving takeaway food customers. Customer data is clustered and assigned tag values using unsupervised machine learning algorithms and RFM (Novelty, Frequency, Monetary Value) method. In line with the label values, customer discount rates were defined to the relevant clusters. The performance of the resulting clustering was determined using the weighted average of the Silhouette, Davies-Bouldin and Calinski-Harabasz indices used when selecting the clustering algorithm. The difference between the clusters formed as a result of the determined values was determined using the Kruskal-Wallis test. In order for the defined discount rates to be customer-targeted and personalized discounts, the novelty, frequency and monetary value features were fuzzified by using the mean and standard deviation values and discount coefficients were calculated for customers using Mamdani rule base. The final discount rate is defined at the individual customer level by multiplying the calculated discount coefficients with the discount rate assigned to the cluster obtained by machine learning. The proposed new method is applied on three different restaurants and the algorithm performances are tested. This study introduces a new research framework and a hybrid data-driven and applied loyalty program design.
Benzer Tezler
- Makine öğrenmesi tabanlı gerçek zamanlı medikal nesnelerin interneti çerçevesinin geliştirilmesi
Development of machine learning-based real-time medical internet of things framework
EMRE YILDIRIM
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDüzce ÜniversitesiElektrik-Elektronik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ÇALHAN
- Motorlu araçlarin performanslarinin makine öğrenmesi teknikleriyle analizi ve tahmini
Analysis and estimation of motor vehicles' performances using machine learning techniques
İBRAHİM ARDA ÇANKAYA
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ARİF KOYUN
- Makine öğrenmesi, CBS ve çok kriterli karar verme teknikleri ile tıbbi atık bertaraf tesis yeri seçimi için bütünleşik model önerisi: İstanbul örneği
Integrated approach for medical waste disposal site selection with machine learning, GIS and multi criteria decision techniques: The case of Istanbul
BETÜL YENİSARI
Doktora
Türkçe
2025
Endüstri ve Endüstri MühendisliğiYıldız Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. ŞÜKRAN ŞEKER
- SAR uydu imgeleri kullanılarak yarı deneysel ve makine öğrenmesi yöntemleri ile toprak neminin tahmini: Karşılaştırmalı bir saha çalışması
Estimation of soil moisture via semiempirical and machine learning methods using SAR satellite images: A comparative field study
HÜSEYİN ACAR
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
- Makine öğrenmesi yöntemleri ile hibrit ve kompozit ZA-27 alaşımlarının aşınma davranışlarının karşılaştırmalı analizi
Comparative analysis of wear behavior of hybrid and composite ZA-27 alloys using machine learning methods
SENA NUR ADIYAMAN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiSakarya ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÜLTEKİN ÇAĞIL