Veri Madenciliğinde Sepet Analizi ile Tüketici Davranışı Modellemesi

Veri madenciliği büyük miktardaki verinin, bu verilerden anlamlı örüntü ve kurallar çıkarılması amacıyla analiz edilmesidir. Veri madenciliğinde verinin yapısına uygun olarak birçok teknik kullanılmaktadır. Bu tekniklerden biri olan "Birliktelik Kuralları Analizi/Sepet Analizi" ile, büyük veri tabanlarından yola çıkılarak, müşterilerin alışveriş davranışları keşfedilmeye çalışılmaktadır. Bu çalışmada, Türkiye'de perakende sektöründe faaliyet gösteren büyük bir market zincirine ait veriler ele alınarak, veriler "Birliktelik Kuralları" ile analiz edilmiş ve müşterilerin satın alma davranışlarını etkileyen değişkenler karar ağaçlarıyla belirlenmiştir. Çalışmada verilerin analizi için SPSS'in veri madenciliği modülü olan Clementine programı kullanılmıştır.

Customer Behavior Modeling By Using Market Basket Analysis in Data Mining

Data mining analyzes large amount of data for the purpose of deriving meaningful patterns and rules. Many techniques in accordance with the structure of data are used in data mining, with "Association Rules Analysis/Market Basket Analysis", that is one of these techniques; shopping behaviors of customers are tried to be found out by setting out from large data bases. In this study, data belonging to a big market chain that activates in the retail sector in Turkey was handled, the data was analysed with "Association Rules" and the variables effecting purchasing behaviours of costumers were determined with decision trees. In the study, Clementine program, the data mining module of SPSS, was used for analysis of the data.

PDF

___

AKPINAR Haldun, Veri Tabanlarında Bilgi Keşfi ve Veri Madenciliği, İ.Ü. işletme Fakültesi Yayını, 1998 s.6.
ALP AYDIN Ethem, "Zeki Veri Madenciliği", Bilişim 2000 Eğitim Semineri, 2000, s.9.
ANGIULLI F., IANNI G. ve PALOPOLI L., "On The Complexity of Inducing Categorical and Quantitative Association Rules", Theoretical Computer Science, Volume 314, Issues 1-2, 2004, s.217-249.
CHEN Y., TANG K., SHEN R. VE HU Y., "Market Basket Analysis in a Multiple Store Environment", Decision Support Systems, Volume 40, Issue 2,2005, s. 339-354.
CHEN M., "Ranking Discovered Rules from Data Mining with Multiple Criteria by Data Envelopment Analysis", Expert Systems with Applications, Vol.33, Issue 4, 2007, s. 1110-1116.
DOLGUN M.Ö. ve ZOR İ., "Bir Alışveriş Merkezinden Yapılan Satışlar tçin Sepet Analizi", www.spss.com.tr/bilisim06_dosyalar/muhsin_o zgur_dolgun.pdf. 2006.
FAYYAD U., PIATETSKY-SHAPIRO G. ve SMYTH P., "Knowledge Discovery and Data Mining: Towards a Unifying Framework", Proceedings of the Second International Conference on Knowledge Discovery and Data Mining (KDD4996), Portland, Oregon, 1996.
FREITAS A., Data Mining and Knowledge Discovery with Evolutionary Algorithms, Almanya, Springer Publications, 2002, s.1-2.
GIUDICI P. ve PASSERONE G., "Data Mining of Association Structures to Model Consumer Behaviour"i Computational Statistics & Data Analysis, Vol. 38, Issue 4,2002, s. 533-541.
HRUSCHKA H., LUKANOWICZ M. ve BUCHTA C, "Cross-Category Sales Promotion Effects", Journal of Retailing and Consumer Services, Volume 6, Issue 2,1999, s.99-105.
LIU L., BHATTACHARYYA S., SCLOVE S., CHEN R. ve LATTYAK W., "Data Mining on Time Series: An Illustration Using FasfcFood Restaurant Franchise Data", Computational Statistics & Data Analysis, Volume 37, Issue 4,2001,8.455-476.
MILD A. ve REUTTERER T., "An Improved Collaborative Filtering Approach for Predicting Cross-Category Purchases Based on Binary Market Basket Data", Journal of Retailing and Consumer Services, Volume 10, Issue 3, 2003, s.123-133.
MIN H., MIN H. ve EMAM A., "A Data Mining Approach to Developing the Profiles of Hotel Customers", International Journal of Contemporary Hospitality, Vol.14, Issue 6, 2002,s.274.
MOSS Larissa T., Business Intelligence Roadmap: The Complete Project Lifecycle for Decision- Support Applications, Addison Wesley, 2003, s.307-310.
ÖZEL T., "Finans Sektöründe İstatistik ve Veri Madenciliği Uygulamaları", SPSS Sunumu, 2003.
ÖZMEN Ş., "İş Hayatı Veri Madenciliği ile İstatistik Uygulamalarım Yeniden Keşfediyor", V. Ulusal Ekonometri ve İstatistik Sempozyumu, Adana, 2001.
RYGBELSKI C, WANG J. ve YEN D.C., "Data Mining Techniques for Customer Relationship Management", Technology in Society, Volume 24, Issue 4,2002, s. 483-502.
SEVER H. ve OĞUZ B., "Veritabanlannda Bilgi Keşfine Formal bir Yaklaşım, Kısım 1: Eşleştirme Sorguları ve Algoritmalar", Bilgi Dünyası, 3(2), 2002.
SPSS Uygulama Alanları, http://www.spss.com,tr/uygulamaalanlari.htm. 22.07.2005.
TUĞ E. ve BULUN M., "Tıbbi Veri Tabanlarında Gizli Bilgilerin Keşfedilmesi", www.tbd.org.tr. 03.03.2006.
VINDEVOGEL B., VAN DEN POEL D. ve WETS G., "Direct and Indirect Effects öf Retail Promotions on Sales and Profits in the Do-It-Yourself Market", Expert Systems with Applications, Volume 28, Issue 3, 2005, s. 583-590.
WANG H. ve WEIGEND A., "Data Mining for Financial Decision Making", Journal of Decision Support Systems, Vol.37, No:4, 2003, s. 148.
WEI C. ve CHIU I., "Turning Telecommunications Call Details to Churn Prediction: a Data Mining Approach", Expert Systems with Applications, Volume 23, Issue 2,2002, s. 103-112
YEN S. ve LEE Y., "An Efficient Data Mining Approach for Discovering Interesting Knowledge from Customer Transactions", Expert Systems with Applications, Volume 30, Issue 4,2006, ss.650-657.
Yöneylem Araştırması ve Endüstri Mühendisliği Doktora Öğrencileri Kolokyumu, "Hizmet-Kar Zinciri Perspektifinden Müşteri Tabanı Analizi", Kültür Üniversitesi, (2003):
"Veri Madenciliğinin Yaygın Uygulama Alanları", www.spss.com.tr. 11.05.2005.
"Veri Madenciliğinde Tercih Clementine", www.ntvmsnbc.com. 16.08.2006.