Markdown pricing using causal networks and regression trees

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Boğaziçi Üniversitesi, FEN BİLİMLERİ ENSTİTÜSÜ, FEN BİLİMLERİ ENSTİTÜSÜ, Türkiye

Tezin Onay Tarihi: 2024

Tezin Dili: İngilizce

Öğrenci: SAMET ÖZTÜRK

Danışman: TANER BİLGİÇ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Erken veya büyük indirimler moda ürünlerinin stoklarının erken tükenmesine ve düşük ciroya sebep olabilir. Diğer taraftan, geç yahut düşük indirimler ise az satış gerçekleşmesine, az ciro elde edilmesine ve ürün yaşam döngüsünün sonunda elde fazla stok kalmasına sebep olabilir. Dolayısıyla doğru fiyat stratejisini bulmak moda perakendecileri için oldukça önemlidir. Bu çalışma, stok verisinin varlığında, moda ürünlerinin normal ve promosyon dönemlerindeki en iyi fiyat stratejilerinin bulunmasına yarayan iki nedensel tahmin yöntemi ve bir optimizasyon yöntemi takdim etmektedir. İlk tahmin yöntemi olan çizgesel yöntemde nedensel Bayes ağlarının yapısı öğrenilir, parametre öğrenme süreci ile ağ nicelendirilir. Bu sayede fiyatın satış adedi üzerindeki ortalama işlem etkisi (ATE) tahmin edilir. İkinci yöntem olan regresyon ağacı yöntemi ile ayrışık ürün grupları için farklı ATE değerleri tahmin edilir. Bu iki yöntem sayesinde farklı fiyat kararları için satış adetleri ve toplam ciro miktarı tahmin edilebilir. Doğruluk metrikleri kıyaslandığında, regresyon ağacının daha iyi sonuçlar sağladığı gözlemlenmiştir. Regresyon ağacı ile yapılan satış tamhinleri, kapsayıcı olurlu alan simulasyon ve optimizasyonu EFSSO'da kullanılır. EFSSO farklı fiyat kararları için ciro değerlerini tahmin eder ve en yüksek cironun tahmin edildiği fiyat kararlarını bulur. Sunulan yöntem Türkiye'deki bir moda perakendecisinin verisi kullanılarak test edilmiştir. \%27.84'e varan ciro artışı tahmin edilmiştir.