AI Summary & Key Takeaways
AI InsightWhen the results obtained are examined, it is predicted that the model set forth in the study will enable companies to determine their target customer groups better, and thus, unnecessary investments can be prevented.
📌 3 Key Takeaways
Abstract
It is seen that many of the campaigns implemented by companies providing online shopping services to increase their product sales and acquire new customers have not been successful. In order to increase product sales in online shopping and to make campaigns successful, various data of 394 users who shopped on the online market were collected through a survey. In the study, a model that provides prediction of the shopping tendencies of online market users from the personal care category has been presented by applying frequently used machine learning algorithms. Decision Trees, K-Nearest Neighbor, Gradient Boosted Trees, Random Forest and Logistic Regression methods were used for modeling. In addition, analysis has been done with AUC (Area under the Curve), recall, f1-score values to compare the performance of the applied models. As a result of the study, the highest performance was obtained with the random forest method with an accuracy rate of 0.928 and AUC of 0.92. The model which applied with Gradient Boosted Trees method was achieved the lowest performance values with an accuracy rate of 0.704 and an AUC value of 0.70. According to the findings in the study, it has been analyzed that users whose properties are "under the age of 43-47, high daily internet user, do not choice to pay by credit card at the door" prefer shopping from the personal care category. When the results obtained are examined, it is predicted that the model set forth in the study will enable companies to determine their target customer groups better, and thus, unnecessary investments can be prevented.
Özet
Çevrimiçi market alışverişi hizmeti sağlayan firmaların ürün satışlarını arttırmak ve yeni müşteriler elde etmek amacıyla hayata geçirdikleri birçok kampanyanın başarıya ulaşamadığı görülmektedir. Çevrimiçi alışverişte ürün satışlarının artmasını ve kampanyaların başarılı olmasını amaçlayarak, çevrimiçi market üzerinden alışveriş yapan 394 kullanıcıya ait çeşitli veriler anket aracılığı ile toplanmıştır. Çalışmada, sık kullanılan makine öğrenmesi algoritmaları ile modelleme yapılarak çevrimiçi market kullanıcılarının kişisel bakım kategorisinden alışveriş yapma eğilimlerinin öngörülmesini sağlayan bir model ortaya konulmuştur. Karar Ağaçları, K-En Yakın Komşu, Gradyan Arttırılmış Ağaçlar, Rastgele Orman ve Lojistik Regresyon yöntemleri modelleme için kullanılmıştır. Son olarak da ortaya çıkan eğri altında kalan alan (EAKA-AUC), geri çağırma (recall), f1-skor (f1-score) değerleri üzerinden yöntemlerin performans karşılaştırılması yapılmıştır. Çalışma sonucunda en yüksek performans 0.928 doğruluk oranı ve 0.92 AUC değerleri ile rastgele orman yöntemi ile elde edilirken; Gradyan Arttırılmış Ağaçlar yöntemi uygulanan model ise 0.704 doğruluk oranı ve 0.70 AUC değeri ile en düşük performansa ulaşmıştır. Çalışmada elde edilen bulgulara göre, özellikleri "43-47 yaş altı, günlük internet kullanımı fazla, kapıda kredi kartı ile ödeme tercihi yapmayan" kullanıcıların kişisel bakım kategorisinden alışveriş yapmayı tercih ettikleri analiz edilmiştir. Elde edilen sonuçlar incelendiğinde, şirketlerin çalışmada ortaya konan model ile hedef müşteri kitlelerini daha iyi belirlemelerine olanak sağlanacağı ve bu sayede yapılan gereksiz yatırımların önüne geçilebileceği öngörülmektedir.