Müşteri Segmentasyonu için K-Means, Bulanık C-Means ve Bulanık Mantık Tabanlı Kümeleme Algoritmalarının Karşılaştırılması
DOI:
https://doi.org/10.5281/zenodo.14556226Anahtar Kelimeler:
Bulanık mantık tabanlı kümeleme- K-Means Algoritması- Bulanık C-Means (FCM)- Kümeleme kıyaslama metrikleriÖz
Müşteri segmentasyonu, işletmelerin pazarlama stratejilerini optimize etmeleri ve müşteri sadakatini artırmaları için kritik bir araçtır. Bu çalışma, K-Means, Bulanık C-Means (FCM) ve Bulanık Mantık tabanlı kümeleme algoritmalarını kullanarak, müşterilerin satın alma davranışlarına dayalı olarak segmentlere ayrılmasını amaçlamaktadır. K-Means algoritması, verileri belirli sayıda kümeye ayırarak her küme için bir merkez belirlerken, FCM algoritması, veri noktalarının birden fazla kümeye değişen üyelik dereceleri ile ait olmasına izin vermektedir. Bulanık Mantık tabanlı kümeleme ise, her özellik için tanımlanan bulanık üyelik fonksiyonları ve kurallar sistemi kullanarak daha nüanslı bir segmentasyon sağlar. Çalışmada, Online Retail veri seti kullanılarak her üç algoritmanın performansı Silhouette skoru, Calinski-Harabasz skoru ve Davies-Bouldin skoru ile değerlendirilmiştir. Sonuçlar, K-Means'in genellikle daha yüksek Silhouette skorları ve Calinski-Harabasz indeksi değerleri sunduğunu, FCM'nin kümeler arası benzerlikleri yönetme esnekliği sağladığını ve Bulanık Mantık tabanlı yaklaşımın özellikler arasındaki karmaşık ilişkileri daha iyi yakaladığını göstermektedir. Bulgular, müşteri segmentasyonu ve pazarlama stratejilerinin optimizasyonu için değerli içgörüler sunmaktadır.
Referanslar
Anitha, P. and Patil, M. M. RFM model for customer purchase behavior using K-Means algorithm, Journal of King Saud University - Computer and Information Sciences, 2022, 34, pp. 1785–1792.
Hu, Y. H. and Yeh, T. W. Discovering valuable frequent patterns based on RFM analysis without customer identification information, Knowledge-Based Systems, 2014, 61, pp. 76–88.
Khajvand, M. , Zolfaghar, K. , Ashoori, S. , and Alizadeh, S. Estimating customer lifetime value based on RFM analysis of customer purchase behavior: Case study, Procedia Computer Science, 2011, 3, pp. 57–63.
Khalili-Damghani, K. , Abdi, F. , and Abolmakarem, S. Hybrid soft computing approach based on clustering, rule mining, and decision tree analysis for customer segmentation problem: Real case of customer-centric industries, Applied Soft Computing, 2018, 73, pp. 816–828.
Griva, A. , Bardaki, C. , Pramatari, K. , and Papakiriakopoulos, D. Retail business analytics: Customer visit segmentation using market basket data, Expert Systems with Applications, 2018, 100, pp. 1–16.
Qadadeh, W. and Abdallah, S. Customers Segmentation in the Insurance Company (TIC) Dataset, Procedia Computer Science, 2018, 144, pp. 277–290.
Arunachalam, D. and Kumar, N. Benefit-based consumer segmentation and performance evaluation of clustering approaches: An evidence of data-driven decision-making, Expert Systems with Applications, 2018, 111, pp. 11–34.
Yoo, B. and Jang, M. A bibliographic survey of business models, service relationships, and technology in electronic commerce, Electronic Commerce Research and Applications, 2019, 33, pp. 100818.
Zerbino, P. , Aloini, D. , Dulmin, R. , and Mininno, V. Big Data-enabled Customer Relationship Management: A holistic approach, Information Processing & Management, 2018, 54, pp. 818–846.
Han, J. , Kamber, M. and Pei, J. Data mining: concepts and techniques, Elsevier, 2011.
Brito, P. Q. , Soares, C. , Almeida, S. , Monte, A. , and Byvoet, M. Customer segmentation in a large database of an online customized fashion business, Robotics and Computer-Integrated Manufacturing, 2015, 36, pp. 93–100.
Femina, B. T. and Sudheep, E. M. An Efficient CRM-Data Mining Framework for the Prediction of Customer Behaviour, Procedia Computer Science, 2015, 46, pp. 725–731.
Sheng, J. , Amankwah-Amoah, J. , and Wang, X. A multidisciplinary perspective of big data in management research, International Journal of Production Economics, 2017, 191, pp. 97–112.
Nguyen, D. H. , Leeuw, S. de , and Dullaert, W. E. H. Consumer Behaviour and Order Fulfilment in Online Retailing: A Systematic Review, International Journal of Management Reviews, 2018, 20, pp. 255–276.
Patak, M. , Lostakova, H. , Curdova, M. , and Vlckova, V. The E-Pharmacy Customer Segmentation Based on the Perceived Importance of the Retention Support Tools, Procedia - Social and Behavioral Sciences, 2014, 150, pp. 552–562.
Carnein, M. and Trautmann, H. Customer Segmentation Based on Transactional Data Using Stream Clustering, Lecture Notes in Computer Science (including subseries Lecture Notes in Artificial Intelligence and Lecture Notes in Bioinformatics), 2019, 11439 LNAI, pp. 280–292.
Kaur, A. , Pal, S. K. , and Singh, A. P. Hybridization of Chaos and Flower Pollination Algorithm over K-Means for data clustering, Applied Soft Computing, 2020, 97, pp. 105523.
Fu, X. , Chen, X. , Shi, Y. T. , Bose, I. , and Cai, S. User segmentation for retention management in online social games, Decision Support Systems, 2017, 101, pp. 51–68.
Holý, V. , Sokol, O. , and Černý, M. Clustering retail products based on customer behaviour, Applied Soft Computing, 2017, 60, pp. 752–762.
İndir
Yayınlanmış
Sayı
Bölüm
Lisans
Telif Hakkı (c) 2024 AINTELIA Science Notes Journal
Bu çalışma Creative Commons Attribution-NonCommercial 4.0 International License ile lisanslanmıştır.
TELİF HAKKI BİLDİRİMİ
Makale gönderen yazarlar, makaleleri yayınlanmak üzere kabul edildiğinde, makalenin telif hakkının Aintelia® Science Notes Journal (ASNJ)'a devredileceğini kabul ederler.
Yazarlar, çalışmalarını göndererek aşağıdaki şartları kabul ederler:
- Telif Hakkı Devri: Yayınlanan makalenin telif hakkı Aintelia® Science Notes Journal'a devredilir. Dergi, çalışmayı yayınlama, çoğaltma, dağıtma ve arşivleme hakkını saklı tutar.
- Lisanslama: Dergi telif hakkını elinde tutarken, makale Creative Commons Attribution-NonCommercial 4.0 International License (CC BY-NC 4.0) lisansı altında lisanslanmıştır. Üçüncü şahısların, orijinal çalışma ve dergi uygun şekilde alıntılanmak kaydıyla, çalışmayı ticari olmayan amaçlarla paylaşmasına ve uyarlamasına izin vermektedir.
- Yazar Hakları: Yazarlar, dergi orijinal yayıncı olarak belirtildiği sürece, makalelerini tez veya bitirme tezine dahil etmek, konferanslarda sunmak veya eğitim amaçlı olarak öğrencilere dağıtmak gibi kendi akademik ihtiyaçları için kullanma hakkı saklıdır.
