E-Ticaret Müşteri Davranışını Tahmin Etmek İçin Bir Veri Madenciliği Yaklaşımı

Abstract

1841 yılında kurulan Watsons, 11 farklı pazarda 6300'den fazla mağaza ile dünyanın önde gelen güzellik ve kişisel bakım endüstrilerinden biridir.280 Watsons mağazasına ek olarak, online alışveriş de Türk müşterileri için bir alternatiftir. Mevcut eğilimler nedeniyle, birçok müşteri online alışverişi tercih etmektedir. Müşterilerden bazıları, ürünlerini market sepetlerine eklemekte, ancak maalesef, satın almadan web sitesinden ayrılmaktadırlar. Bu durum, e-ticaret perakendecilerinin çoğu için önemli bir soruna neden olmaktadır. Bu projede, web sitesi ziyaretleri sırasında müşterinin davranışını tahmin etmek için bir veri madenciliği yaklaşımı gerçekleştirilecektir. İlk adımda, web sitesi müşterisinin belirli bir gün için demografik ve davranışsal verileri toplanacaktır. İkinci adımda, veriler ön işlemeden geçirilecek ve eksik değerler kontrol edilecektir. Bir müşterinin satın alıp almayacağını öngörmek için önemli özellikler belirledikten sonra, en doğru veri sınıflandırma yöntemi WEKA kullanılarak belirlenecektir. Web sitesini ziyaret eden müşterilerin alışveriş yapıp yapmama konusundaki eğilimini tahmin etmek için bir karar destek sistemi önerilecektir. Sonuç olarak, şirket müşterinin davranışını web sitesine ilk girişinde tahmin etmesine faydalı olacak bir yöntem önerilecektir.Watsons, established in 1841, is one of the world's leading beauty and personal care industry with more than 6300 stores in 11 different mar­kets. In addition to 280 Watsons's stores, online shopping is also an alternative for Turkish customers. Due to current trends, many cus­tomers prefer online shopping. Among them, some of them are adding the products to their market basket but unfortunately, they are leaving the web site without a purchase. This causes an important problem for most of the e-commerce retailers. In this project, a data mining approach will be studied to predict cus­tomer’s behavior during the website visits. In the first step, website customer's demographic and behavioral data will be collected for a specific day. Secondly, the data will be preprocessed and missing val­ues will be controlled. After determining the important attributes to predict whether a customer will purchase or not, the most accurate data classification method will be determined by using WEKA. A de­cision support system will be recommended to estimate the tendency of customers who visit the website. As a result, company will able to predict the customer’s behavior at her first entrance to the website.