Modeling customers' online purchasing behavior using clickstream data

---

Tezin Türü: Yüksek Lisans

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

Tezin Onay Tarihi: 2018

Tezin Dili: İngilizce

Öğrenci: BAHAR YEŞİLADALI

Danışman: MUSTAFA GÖKÇE BAYDOĞAN

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Dijitalleşen dünyada, İnternetin hızla gelişmesi müşterilerin beklentilerini, tutumlarını yeniden şekillendirdi ve de alışveriş alışkanlıklarını değiştirdi. Daha kolay ürün-fiyat karşılaştırması, zahmetsiz şekilde arama ve tarama yapabilmek gibi farklı nedenlerle çevrimiçi mağazaları ziyaret etmek, geleneksel alışverişten çok daha tercih edilir hale geldi.Bu sebeple de, müşterilerin gelecek davranışlarının tahmini rekabetçi pazarda avantaj sağlamak için günden güne önem kazanmaktadır. Bu motivasyonla, bu çalışmamüşteri geçmiş hareketleri, davranışsal frekansları, mevsim, kanal ve toplam harcama gibi satınalma olasılığına etkisi olan faktörleri içeren tıklama verisiyle farklı davranış modellerinin oluşturulmasına odaklanmaktadır. Çalışmanın amacı, bir müşterinin satınalma işlemi yapıp yapmayacağının olasılığını tahmin etmek olduğundan, lojistik regresyon, rastgele orman ve boosting yöntemi gibi alternatif sınıflandırma yaklaşımları incelenmiştir.Lojistik regresyon ve boosting methodları ile kurulan modellerin tahmin performanslarının diğer methodlarla kurulan modellerinkinden daha iyi olduğu saptanmıştır.Sonuçlara göre, müşterilerin geçmiş davranışları, frekansları, mevsimsellik ve dönüşüm oranı ile ilgili faktörlerin satınalma olasılığı üzerinde etkili olduğu bulunmuştur.Ayrıca, lojistik regresyon ve boosting yöntemlerinin hesaplama zamanı kıyaslandığında, lojistik regresyonun bir modelin geliştirilmesi için daha az zaman gerektirdiği tespit edilmiştir.