İnternet üzerinden alışverişlerde demografik özellikler önemli rol oynar. Tüketicilerin satın alma davranışlarını anlamak ve modelleyebilmek için internet üzerinden alışveriş yapan tüketicilerin demografik özellikleri ve satın almış oldukları ürünler incelenmelidir.Bu çalışmada ilk olarak, anket gibi ampirik yollarla elde edilen verilerden hareketle internet üzerinden alışveriş yapan tüketicilerin satın alım davranışlarının demografik özelliklerine dayanarak modellenmesi, model içerisindeki bireylerin karar sürecinde zeki çıkarım mekanizmaları kullanarak gerçekleştirdikleri işlemleri yapay bir müşteri veritabanında toplanması işlemleri yapılmıştır.Benzetim modelindeki tüketicilerin hangi ürün grubunu veya gruplarını tercih edeceği, sırası ile Naive Bayes Sınıflandırıcı, İleri Beslemeli Geri Yayılımlı Yapay Sinir Ağları ve Bulanık Mantık çıkarsama metotları ile modellenmiştir. Ardından bu çıkarsama metotlarının performansları anketteki gerçek verilerin bir kısmından oluşan test seti ile ölçülmüş ve hata yüzdeleri belirlenmiştir. Modelde çıkarım mekanizması olarak, en iyi performansı veren yöntem olan İBGY YSA seçilmiştir.Çalışmanın ikinci basamağında ise benzetim modeli ile elde edilen verilerden yola çıkılarak, hangi ürünlerin hangi demografik özelliğe sahip tüketiciler tarafından tercih edildiği sorusuna cevap verilerek ürünlerin kimliklerinin oluşturulması yapılmış yani ürün gruplarının profilleri çıkartılmıştır.
Demographic features play a key part in shopping on the internet. In order to comprehend and to model the behavior of the consumer over shopping, demographic features of the consumers and the products they buy should be studied.In this study firstly, transactions of processes of the consumers? decision progression inside the model by using clear inference mechanism, modeling based on demographic properties of behaviors according to the observational real life data of the consumers who do shopping on the internet by empirical ways like surveys, are gathering inside an artificial costumer database.Which product group or groups will be decided by the consumers in the simulation model is modeled with in order of Naïve Bayes Classifier, Feed Forward Back Propagation Neural Networks and Fuzzy Logic inference methods. Afterwards this inference methods performance are measured by the test set created with a part of real data, even more percentages are designated. As inference mechanism in the model, the best performance method which is FFBP ANN is chosen.In the second step of the research, through the data obtained from the simulation model, profiles of the product groups are created by finding out which products are favored by which consumers with which particular demographic features.
