SavedAdd your journal

Journals / Bitlis Eren Üniversitesi Fen Bilimleri Dergisi / 2026 / Volume: 9 Issue: 1

Pazarlama 4.0 İçin Genetik Algoritma Tabanlı Bir Karar Destek Modeli Önerisi

Cemal Aktürk(KİLİS 7 ARALIK ÜNİVERSİTESİ)
Pages
—
Publication Date
2020-03-13
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Bu sayede her zaman mevcut siparişlerden maksimum gelirin elde edileceği siparişlerin seçilmesi amaçlanmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Üretim işletmelerindeki sipariş kabul prosedürü ile teslim tarihi belirleme prosedürü, pazarlama birimi yöneticileri için kritik öneme sahiptir.
📊
Key Findings & Data:Bu avantajlardan bazıları; toplam gelirin artması, müşteri memnuniyetinin artması, işçilik maliyetlerinin azalması ve ilgili kararların otonom verilmesiyle verimliliğin artması şeklindedir.
💡
Conclusion & Impact:Bu sayede her zaman mevcut siparişlerden maksimum gelirin elde edileceği siparişlerin seçilmesi amaçlanmıştır.
🔬Design:Lab & Field Experiment
📍Scope:Comprehensive Sample
⚙️Variables:Pazarlama Karar Destek Sistemleri · Genetik Algoritma · Endüstri 4.0

Özet

Üretim işletmelerindeki sipariş kabul prosedürü ile teslim tarihi belirleme prosedürü, pazarlama birimi yöneticileri için kritik öneme sahiptir. Üretici firmalarının müşteri siparişlerine müşterilerin talep ettiği teslim tarihinden daha erken veya daha geç bir teslim tarihi sunması müşteri ile firma arasında problem oluşturur. Sipariş kabul süreçlerinin dijital dönüşüme uyarlanması ve otonom karar veren sistemler ile bu süreçlerin otomatikleştirilmesi sayesinde, firmalara bu problemlerle başa çıkmanın yanında çeşitli avantajlar da kazandırılabilir. Bu avantajlardan bazıları; toplam gelirin artması, müşteri memnuniyetinin artması, işçilik maliyetlerinin azalması ve ilgili kararların otonom verilmesiyle verimliliğin artması şeklindedir. Yapılan çalışmada sipariş kabul ve teslim tarihi atama ile ilgili güncel literatür çalışmalarından bahsedilmiştir. Buna ek olarak Endüstri 4.0 kavramının ortaya çıkışından itibaren pazarlama karar destek sistemleri ile ilgili yapılan bilimsel çalışmalar araştırılmış ve bulgular paylaşılmıştır. Devamında, Endüstri 4.0 ve Pazarlama 4.0 perspektifinde genetik algoritma tabanlı bir pazarlama karar destek modeli önerilmiştir. Bu karar destek modeliyle, hem işletmelerin kârlılıkları ve pazar paylarını arttırmaları amaçlanmakta, hem de kullanıcılardan kaynaklı hataların minimize edilmesi ve iş süreçlerin otomatikleştirilmesi amaçlanmaktadır. Öncelikle üretim işletmesine gelen müşteri siparişlerinin belirli bir sayıya veya kapasiteye ulaşıncaya kadar sanal bir havuzda bekletilmesi tavsiye edilmiştir. Belirlenen koşul gerçekleştiğinde, müşterilerin sipariş taleplerinin çoklu yöntemlerce sıralanması ve her yönteme göre yapılan sıralamadan elde edilecek gelirlerin karşılaştırılması sağlanacaktır. Bu sayede üretim işletmelerinin pazarlama birimlerine gelen müşteri talepleri belirli kısıt altında bekletilerek hep birlikte değerlendirilmiş olacaktır. Anlık olarak işletmenin amaçları için uygun siparişler üretim planlamasına alınarak siparişlerin teslim tarihleri otomatik olarak hesaplanacak ve müşterilerin onayına sunulacaktır. Sıralama işlemi bir karar problemi olarak ele alınıp belirli değişken ve katsayılar için anlık veriler üzerinden çalıştırılacak bir genetik algoritma ile en optimum değerleri aranacaktır. Bu sayede her zaman mevcut siparişlerden maksimum gelirin elde edileceği siparişlerin seçilmesi amaçlanmıştır.

🔖

Cite This Article

Aktürk, C. (2020). Pazarlama 4.0 İçin Genetik Algoritma Tabanlı Bir Karar Destek Modeli Önerisi. Bitlis Eren Üniversitesi Fen Bilimleri Dergisi, Volume: 9 Issue: 1. https://doi.org/10.17798/bitlisfen.554916

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (2)

  1. Akıllı Üretim Çağı, Fortuneturkey, http://www.fortuneturkey.com/akilli-uretim-cagi-endustri-40-42841 Erişim Tarihi: 20.03.2019Aktürk, C, Gülseçen, S. (2017). Teslim Tarihi Problemi ve İnovatif Bir Karar Modeli Önerisi. Girişimcilik İnovasyon ve Pazarlama Araştırmaları Dergisi, 1 (2), 103-119. DOI: 10.31006/gipad.338360Aktürk, C., & Gülseçen, S. (2018). Sipariş Teslim Tarihi Problemi İçin Çok Kriterli ve Çok Yöntemli Karar Destek Sistemi Önerisi. Institute of Business Administration-Management Journal/Isletme Iktisadi Enstitüsü Yönetim Dergisi, 29(84).Althuizen, N., Wierenga, B., & Chen, B. (2016). Managerial decision-making in marketing: Matching the demand and supply side of creativity. Journal of Marketing Behavior, 2(2–3), 129-176.Ardito, L., Petruzzelli, A. M., Panniello, U., & Garavelli, A. C. (2018). Towards Industry 4.0: Mapping digital technologies for supply chain management-marketing integration. Business Process Management Journal.Canıyılmaz, E., Benli, B., & Ilkay, M. S., 2015, “An Artificial Bee Colony Algorithm Approach For Unrelated Parallel Machine Scheduling With Processing Set Restrictions, Job Sequence-Dependent Setup Times, And Due Date”, The International Journal Of Advanced Manufacturing Technology, 77(9-12), 2105-2115.Demir, H. I., Cil, I., Uygun, O., Simsir, F., & Kokcam, A. H., 2016, “Process Planning And Weighted Scheduling With Wnoppt Weighted Due-Date Assignment Using Hybrid Search For Weighted Customers”, International Journal Of Science And Technology, 2(1).Demir, H. I., Uygun, O., Cil, I., Ipek, M., & Sari, M., 2015, “Process Planning and Scheduling with SLK Due-Date Assignment where Earliness, Tardiness and Due-Dates are Punished”, Journal of Industrial and Intelligent Information, 3(3).Demir, H. İ. and Erden, C., 2017, “Solving process planning and weighted scheduling with WNOPPT weighted due-date assignment problem using some pure and hybrid meta-heuristics”, Sakarya Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 21(2), 210-222.Ekman, P., Erixon, C., & Thilenius, P. (2015). Information technology utilization for industrial marketing activities: the IT–marketing gap. Journal of Business & Industrial Marketing, 30(8), 926-938.Ertuğrul, İ., & Deniz, G. (2018). 4.0 Dünyası: Pazarlama 4.0 ve Endüstri 4.0. Bitlis Eren Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 7(1), 143-170.Fan, S., Lau, R. Y., & Zhao, J. L. (2015). Demystifying big data analytics for business intelligence through the lens of marketing mix. Big Data Research, 2(1), 28-32.Fırat, O. Z., & Fırat, S. Ü. (2017). Endüstri 4.0 yolculuğunda trendler ve robotlar. İstanbul Üniversitesi İşletme Fakültesi Dergisi, 46(2), 211-223.Genetik Algoritma, http://www.elektrik.gen.tr/2015/08/genetik-algoritma-ile-iletisim-aglarinda-yonlendirme-optimizasyonu/346 Erişim Tarihi: 25.03.2019Gordini, N., & Veglio, V. (2017). Customers churn prediction and marketing retention strategies. An application of support vector machines based on the AUC parameter-selection technique in B2B e-commerce industry. Industrial Marketing Management, 62, 100-107.Guhlich, H., Fleischmann, M., & Stolletz, R., 2015, “Revenue management approach to due date quoting and scheduling in an assemble-to-order production system”, OR Spectrum, 37(4), 951-982.Jara, A. J., Parra, M. C., & Skarmeta, A. F. (2012). Marketing 4.0: A new value added to the Marketing through the Internet of Things. 2012 Sixth International Conference on Innovative Mobile and Internet Services in Ubiquitous Computing, (p. 852-857).
  2. Sanpaolo Palace Hotel, Palermo, Italy.Mazzarol, T. (2015). SMEs engagement with e-commerce, e-business and e-marketing. Small enterprise research, 22(1), 79-90.Ngai, E. W. T., Peng, S., Alexander, P., & Moon, K. K. (2014). Decision support and intelligent systems in the textile and apparel supply chain: An academic review of research articles. Expert Systems with Applications, 41(1), 81-91.Power, D. J. (2014). Using ‘Big Data’for analytics and decision support. Journal of Decision Systems, 23(2), 222-228.Tarabasz, A. (2013). The Reevaluation of Communication in Customer Approach-Towards Marketing 4.0. International Journal of Contemporary Managament, 12(4), 124-134.Vassileva, B. (2017). Marketing 4.0: How Technologies Transform Marketing Organization. Óbuda University e-Bulletin, 7(1), 47-56.You, Z., Si, Y. W., Zhang, D., Zeng, X., Leung, S. C., & Li, T. (2015). A decision-making framework for precision marketing. Expert Systems with Applications, 42(7), 3357-3367.Zekić-Sušac, M., & Has, A. (2015). Data mining as support to knowledge management in marketing. Business Systems Research Journal, 6(2), 18-30.