Satış tahminlemesinde hibrit bir yaklaşım : Pestel, RFM, Gradient Boosting

Abstract

Teknolojinin ilerlemesi ve internet kullanımının yaygın hale gelmesi ile birlikte adını sıkça duymaya başladığımız büyük veri kavramı ortaya çıkmıştır. Kısaca yapısal olmayan veri yığını olarak ifade edilen büyük verinin anlamlı bilgilere dönüştürülmesi, gizli kalmış örüntülerin ortaya çıkarılması farklı yöntemlerle gerçekleştirilebilir. Veri madenciliği olarak adlandırılan bu yöntem ve algoritmalar topluluğu istatistik ile birleştirilerek daha anlaşılabilir ve anlamlı çözüm yollarına dönüşmüşlerdir. Bu yöntemlerden bir tanesi de RFM analizidir. RFM analizi Recency Frequency ve Monetary kelimelerinin kısaltması olup davranışa dayalı müşteri segmentasyonunu gerçekleştiren etkili ve pratik bir pazarlama modelidir. Pazarlama stratejilerinin geliştirilmesine yardımcı olan RFM analizinin temel dayanak noktası yakın zamanda alışveriş eden, sık alışveriş eden ve alışverişlerinde yüksek miktarda getiri sağlayan müşterilerin gelecekteki pazarlama kampanyalarına olumlu dönüş yapabilecek potansiyel müşteriler olacağı görüşüdür. Günümüz şartlarında aynı alanda hizmet üreten veya ürün satan bir çok firma bulunmaktadır. Firmalar oldukça rekabetçi koşullarda yarışmaktadır. Hizmet üreten veya ürün satan firmalar için en önemli durum doğru müşteriyle, doğru zamanda iletişim kurmaktır. Bu sayede firmalar kaynaklarını optimum şekilde tüketmektedir. Aynı zamanda müşteriler için doğru zamanda gelen teklifler önemliyken, ihtiyacının olmadığı zamanda gelecek teklifler, ürün ve hizmet satın alan müşteriler için gereksiz zaman kaybına, müşteri şikayetine sebep olabilmektedir. Karmaşık veri kümelerinden anlamlı sonuçlar elde etmek ve içerdiği verinin belirli özelliklerine göre veri setinin sınıflara ayrılması için, veri madenciliğinin farklı bir yöntemi olan sınıflandırma algoritmaları geliştirilmiştir. Sınıflandırma problemlerinde yapay zeka alanının alt kümesi olan makine öğrenmesi algoritmaları yüksek düzeyde doğru tahmin ediciler olarak kullanılmaktadır. Bu çalışmada RFM analizinin ardından; elde edilen analiz çıktısı, şirketlerin çevresel olarak etkilendiği; PESTEL (Political, Economic, Social, Technological, Legal and Environmental) analizinin etkileyici faktörleriyle birlikte satışlar üzerindeki sınıflandırma süreci ele alınacaktır. Sınıflandırma algoritmalarından, Gradient Boosting makine öğrenmesi algoritması uygulanacaktır. Modellerin tahmin değerlerinin doğruluğuyla ilgili performans ölçüm sonucu ve model açıklanabilirliği değerlendirilecektir. Söz konusu model ile verimlilik süreçlerinin daha kaliteli hale getirilmesi ve müşteri ilişkilerini daha doğru yönetecek bir sınıflandırma yönteminin geliştirilmesi hedeflenmiştir.