Veri madenciliği teknikleri kullanılarak internetten alışveriş yapan tüketicilerin analizi

Abstract

Anahtar kelimeler: E-ticaret, birliktelik kuralları, Apriori, Carma, Frequent Pattern Growth Bilişim teknolojilerinin gelişmesiyle verilerin toplandığı kaynaklar çeşitlilik kazanmış ve elde edilen verilerin çokluğu nedeniyle anlamlandırılması önem kazanmıştır. Bu çalışmada e-ticaret sektöründe faaliyet gösteren bir firmada en çok satılan ürünlerin analizinin yapılması, beraber satılan ürünlerin tespit edilerek depo içi operasyonel iyileştirilmesi, maliyetlerin azaltılması, çıkış süreçlerinin hızlandırılması amaçlanmıştır. Apriori algoritması birliktelik kurallarından en yaygın olanı olduğu, Frequent Pattern Growth algoritması yüksek performans gösterdiği ve Carma algoritması da daha fazla iyileştirme olanağı sunduğu için tercih edilmiştir. Söz konusu algoritmalar ile firmanın 6 aylık verileri kullanılarak, 10000 adet sipariş içindeki en çok satılan ürünler tespit edilmiştir. Analiz sonuçları 9.ayın 1200 siparişinin satış verileri ile karşılaştırılmış. En iyi sonucu veren Apriori algoritmasına göre belirlenen ilk ürün grubu olan X40-X39 kodlu ürünler tüm siparişlerin %5'ini kapsamaktadır. Siparişlerin %5 ile %1 aralığını kapsayan ilk 7 ürün grubu için, birlikte depo raflarına yerleşmesinin maliyete etkisi zaman etüdü yapılarak analiz edilmiştir. Analiz sonuçları, önerilen sistemin süreç iyileştirmeye olumlu etkisini doğrulamaktadır. Bulunan ürün gruplarının gelecekteki siparişlerde yer alıp almaması durumu yapay sinir ağları ile analiz edilmiştir. 9. ayı takiben 6 aylık süreç boyunca ürün grupların siparişlerde bulunacağı kanıtlanmıştır.

Keywords: E-commerce, Association rules, Apriori , Carma, Frequent Pattern Growth With the development of information technologies, the sources where data collected have diversified and it has gained importance because of the multiplicity of data obtained. This study aims to analyze the top-selling products in a company operating in e-commerce sector, besides identifying the products sold together, improving operational performance in the warehouse, reducing the costs and expediting the release processes. The reasons of preferring algorithms used in the study were Apriori algorithm was the most common of the association rules, the Frequent Pattern Growth algorithm showed high performance and the Carma algorithm provided further improvement. These algorithms were used to identify the best-selling products in 10000 orders of using the company's 6-month data. The results of the analysis were compared with the sales data of the 9th month, consisting of 1200 order. The X40-X39 coded products, which are the first product group determined according to the Apriori algorithm which gives the best result, cover 5% of all orders. For the first 7 product groups covering 5% to 1% of the orders, the cost effect in bundle of products was analyzed by time study. The analysis results confirm the positive effect of the proposed system on process improvement. The determined product groups included in future orders was analyzed by artificial neural networks. During 6 month from 9. months, it has been proved that the product groups would be included in the order.