Demografik özelliklerin online market kullanımına etkisinin makine öğrenmesi yöntemleri ile tahmini
Küçük Resim Yok
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
İstanbul Beykent Üniversitesi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Online market alışverişi hizmeti sağlayan firmaların ürün satışlarını arttırmak ve yeni müşteriler elde etmek amacıyla online satış platformlarında hayata geçirdikleri birçok kampanyanın başarıya ulaşmadığı görülmektedir. Çalışmada, var olan bu sorunun altındaki temel sebep mercek altına alınarak etkin bir online market stratejisi için şirketlerin kullanabileceği örnek bir yöntem sunmak ve böylece teknoloji alanında devam eden çalışmalara katkı sağlamak amaçlanmaktadır. Bu amaç doğrultusunda yapılan anket aracılığı ile online market üzerinden alışveriş yapan 20-86 yaş aralığındaki 394 online market kullanıcısına ait çeşitli veriler toplanmıştır. Daha sonra elde edilen veriler ile makine öğrenmesi algoritmaları kullanılarak özellikle online market kullanıcılarının demografik özelliklerine bağlı olarak online market alışverişleri sırasında kişisel bakım kategorisinden alışveriş yapma eğilimlerinin belirlenmesine olanak veren bir model ortaya konulmuştur. Ardından bu veriler üzerinde de ideal bir modelleme oluşturmak adına en verimli sonuçların elde edilmesini sağlayan sınıflandırma algoritmalarından Karar Ağaçları, K-En Yakın Komşu (KNN), Gradyan Arttırılmış Ağaçlar (GBT), Rastgele Orman ve Lojistik Regresyon algoritmaları uygulanmıştır. Son olarak da ortaya çıkan AUC (Eğri altında kalan alan), recall (geri çağırma), f1-skor (f1-score), precision (kesinlik) değerleri üzerinden bir karşılaştırma yapılmıştır. Böylece çalışma sonucunda karşılaştırması yapılan algoritmalar içerisinde en iyi performansı 0.83 doğruluk oranı ve 0.92 AUC değeri ile Lojistik Regresyon algoritması verdiği tespit edilmiş, en düşük performansı ise 0.70 doğruluk oranı ve 0.70 AUC değeri ile Gradyan Arttırılmış Ağaçlar algoritmasının verdiği görülmüştür. Model sonucuna göre 43-47 yaş aralığının altındaki, günlük internet kullanımı yüksek olan ve kapıda kredi kartı ile ödemeyi tercih etmeyen kullanıcılar kişisel bakım kategorisinden daha fazla alışveriş yapmaktadır. Buna ek olarak özel yaşamının daha iyi korunduğunu ve her kategoriden ürünü satın alabileceğini düşünen kullanıcıların da bu kategoriden daha çok alışveriş yaptığı tespit edilmiştir. Ancak ürünlere dokunup hissedemeyeceğini düşünen kullanıcıların bu kategoriden online alışveriş yapmayı tercih etmediği sonucu ortaya çıkmıştır. Elde edilen sonuçlar incelendiğinde, kullanıcıların demografik bilgilerine ve alışveriş tercihlerine dair soruları içeren anketlerin şirketler tarafından belirli aralıklarla gerçekleştirilmesi hedef kitlelerini daha iyi belirlemelerine olanak sağlayacağı söylenebilir. Bu sayede alanda yapılan gereksiz yatırımların da önüne geçilebileceği öngörülmektedir.
It is seen that many campaigns that companies providing online grocery shopping services put into practice on their online sales platforms to increase product sales and acquire new customers have not been successful. The study aims to present an exemplary method that companies can use for an effective online market strategy by focusing on the main reason behind this existing problem. Hence, this study also has the potential to make a significant contribution to the ongoing studies in the field of technology. Various data were collected from 394 online market users between the ages of 20-86 who chose to shop online through a survey conducted for this study. Then, using the obtained data and machine learning algorithms, a model has been put forward that allows determining the shopping tendencies of the personal care category during online grocery shopping, depending on the demographic characteristics of the online market users. Then, to create ideal modeling on these data, Decision Trees, K-Nearest Neighbors (KNN), Gradient Augmented Trees (GBT), Random Forest, and Logistic Regression algorithms, which are classification algorithms that provide the most efficient results, were applied. Finally, a comparison was made over AUC (Area under the Curve), recall, f1-score (f1-score), and precision results. Thus, as an outcome of the study, it was determined that the Logistic Regression algorithm gave the best performance with a 0.83 accuracy rate and 0.92 AUC value among the compared algorithms. According to the model result users who are under the age of 43-47, and intensively use the internet daily, and do not prefer to pay with a credit card at the door make more purchases from the personal care category while they are shopping online.. In addition, it has been determined that users who think that their private life is better protected and that they can buy products from each category shop more from this category. However, it has emerged that users who think they can touch or feel the products do not prefer to shop online in this category. When the results obtained are examined, it can be said that if the surveys containing questions about the demographic information and shopping preferences of the users are carried out periodically by the companies, this will enable them to determine their target audiences better. In this way, it is foreseen that unnecessary investments made in the field can be prevented.
It is seen that many campaigns that companies providing online grocery shopping services put into practice on their online sales platforms to increase product sales and acquire new customers have not been successful. The study aims to present an exemplary method that companies can use for an effective online market strategy by focusing on the main reason behind this existing problem. Hence, this study also has the potential to make a significant contribution to the ongoing studies in the field of technology. Various data were collected from 394 online market users between the ages of 20-86 who chose to shop online through a survey conducted for this study. Then, using the obtained data and machine learning algorithms, a model has been put forward that allows determining the shopping tendencies of the personal care category during online grocery shopping, depending on the demographic characteristics of the online market users. Then, to create ideal modeling on these data, Decision Trees, K-Nearest Neighbors (KNN), Gradient Augmented Trees (GBT), Random Forest, and Logistic Regression algorithms, which are classification algorithms that provide the most efficient results, were applied. Finally, a comparison was made over AUC (Area under the Curve), recall, f1-score (f1-score), and precision results. Thus, as an outcome of the study, it was determined that the Logistic Regression algorithm gave the best performance with a 0.83 accuracy rate and 0.92 AUC value among the compared algorithms. According to the model result users who are under the age of 43-47, and intensively use the internet daily, and do not prefer to pay with a credit card at the door make more purchases from the personal care category while they are shopping online.. In addition, it has been determined that users who think that their private life is better protected and that they can buy products from each category shop more from this category. However, it has emerged that users who think they can touch or feel the products do not prefer to shop online in this category. When the results obtained are examined, it can be said that if the surveys containing questions about the demographic information and shopping preferences of the users are carried out periodically by the companies, this will enable them to determine their target audiences better. In this way, it is foreseen that unnecessary investments made in the field can be prevented.
Açıklama
Anahtar Kelimeler
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
