KaydedilenlerDerginizi ekleyin

Dergiler / Akademik Yaklaşımlar Dergisi / 2011 / Cilt: 2 - Sayı: 1

KÜMELEME ANALİZİ VE PAZARLAMADA KULLANIMI

Şebnem Koltan YILMAZ
Said PATIR
Sayfa
91–113
Yayın Tarihi
2011-06-01
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Analizde mesafe olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen profiller ve en az benzerlik gösteren profiller saptanmıştır.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Öz Kümeleme analizi, veritabanlarındaki verilerin gruplar veya kümeler altında toplanarak, benzer özelliklere sahip nesnelerin bir araya gelmesini sağlayan bir veri madenciliği tekniğidir.
📊
Temel Bulgular & Veri:Çalışmada, yeni bir halı temizleyicisini pazarlayan bir işletmenin tüketici satın alma tercihleri üzerinde etkili 5 faktöre göre oluşturulan 22 profilden yararlanarak kümeleme analizi tekniği uygulanmıştır.
💡
Sonuç & Katkı:Analizde mesafe olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen profiller ve en az benzerlik gösteren profiller saptanmıştır.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Anahtar Kelimeler Kümeleme Analizi · Pazarlama · Aglomeratif Çizelge

Özet

Öz Kümeleme analizi, veritabanlarındaki verilerin gruplar veya kümeler altında toplanarak, benzer özelliklere sahip nesnelerin bir araya gelmesini sağlayan bir veri madenciliği tekniğidir. Bu alışmada amaç, pazarlama alanında işletmelerin dikkate alması gereken en önemli ölçütlerin saptanmasında kümeleme analizi tekniğinin uygun bir yöntem olarak kullanılabileceğini göstermektir. Çalışmada, yeni bir halı temizleyicisini pazarlayan bir işletmenin tüketici satın alma tercihleri üzerinde etkili 5 faktöre göre oluşturulan 22 profilden yararlanarak kümeleme analizi tekniği uygulanmıştır. Bu amaçla “Hiyerarşik Kluster (küme) Analizi” kullanılmıştır. Analiz sonuçları, Dendrogram ve Aglomeratif Çizelge ile de desteklenmiştir. Analizde mesafe olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen profiller ve en az benzerlik gösteren profiller saptanmıştır.

🔖

Bu Makaleye Atıf Yap

YILMAZ, Ş. K., PATIR, S. (2011). KÜMELEME ANALİZİ VE PAZARLAMADA KULLANIMI. Akademik Yaklaşımlar Dergisi, Cilt: 2 - Sayı: 1, 91–113. https://ajindex.com/articles/2417

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. Akın, Y.K. (2008). Veri Madenciliğinde Kümeleme Algoritmaları ve Kümeleme Analizi, Yayınlanmamış Doktora Tezi, İstanbul:
  2. Marmara Üniversitesi,
  3. Sosyal Bilimler Enstiüsü. Albayrak, A. ve Yılmaz, Ş.K. (2009). “Veri Madenciliği: Karar Ağaçları ve İMKB Verileri Üzerine Bir Uygulama”, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 14(1), ss. 31–52.
  4. Arslan, F.M. (2004). “Spor Ayakkabısı Satın Alma ve Kullanım Amaçlarına İlişkin Pazar Bölümlerinin Oluşturulması: Üniversite Öğrencileri Üzerine Bir Araştırma”, Marmara Üniversitesi İİBF Dergisi, 19(1), ss. 251–276. AĢan, Z. (2007). “Kredi Kartı Kullanan Müsterilerin Sosyo-Ekonomik Özelliklerinin Kümeleme Analiziyle İncelenmesi”, Dumlupınar Üniversitesi Sosyal Bilimler Dergisi, Nisan 2007 (17), ss. 256–268. AtbaĢ, A.C.G.(2008). Kümeleme Analizinde Küme Sayısının Belirlenmesi Üzerine Bir Çalışma, Yayınlanmamış Yüksek Lisans Tezi, Ankara:
  5. Ankara Üniversitesi,
  6. Fen Bilimleri Enstitüsü. Canıtez, M. ve Yeniçeri, T. (2007). “İhracat Performansı Düşük Olan Kobi‟ler ile Yüksek Olan Kobi‟lerin Farklılıklarını Belirlemeye Yönelik Bir Pilot Araştırma”, Erciyes Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, Temmuz-Aralık 2007 (29), ss. 113–134.
  7. Çetin, E.İ. (2003). “Çok Değişkenli Analizlerin Pazarlama ile İlgili Araştırmalarda Kullanımı: 1995–2002 Arası Yazın Taraması”, Akdeniz İ.İ.B.F. Dergisi, 5, ss. 32–47.
  8. Day, G.S. and Heler, R.M. (1971). “Using Cluster Analysis to Improve Marketing Experiments”, Journal of Marketing Research, 8(3), pp. 340–347.
  9. Demiralay, M. ve Çamurcu, A.Y. (2005). “CURE, AGNES ve K-MEANS Algoritmalarındaki Kümeleme Yeteneklerinin Karsılaştırılması”, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 4(8), ss.1–18.
  10. Doğan, B. (2008). Bankaların Gözetiminde Bir Araç Olarak Kümeleme Analizi: Türk Bankacılık Sektörü İçin Bir Uygulama, Yayınlanmamış Doktora Tezi, İstanbul: Kadir Has Üniversitesi Sosyal Bilimler Enstitüsü. DurmuĢ, M.S. ve İplikçi, S. (2007). “Veri Kümeleme Algoritmalarının Performansları Üzerine Karsılaştırmalı Bir Çalışma,” Akademik Bilişim 2007, 31 Ocak - 02 Şubat, Kütahya: Dumlupınar Üniversitesi.
  11. Ergün, E. (2008). Ürün Kategorileri Arasındaki Satış İlişkisinin Birliktelik Kuralları ve Kümeleme Analizi ile Belirlenmesi ve Perakende Sektöründe Bir Uygulama, Yayınlanmamış Doktora Tezi, Afyonkarahisar: Afyon Kocatepe Üniversitesi Sosyal Bilimler Enstitüsü. Funfgeld, B. ve Wang, M. (2009). “Attitudes and Behaviour in Everyday Finance: Evidence from Switzer