A framework study for intelligent customer analytics based on anticipation
No Thumbnail Available
Date
2020
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Marmara Üniversitesi Fen Bilimleri Enstitüsü
Abstract
Şirketlerin, müşteri davranışını daha iyi anlamak ve müşteri deneyimi yolculuğunu geliştirmek için veriye dayalı kararlar almaları gerekir. Bu sebeple, şirketlerin gerekli bilgileri tanımlamak, analiz etmek, modellemek ve değerlendirmek için çoklu iş zekası işlevlerini müşteri çevikliği açısından entegre etmeleri gerekmektedir. Günümüzün gelişmekte olan dünyasında, şirketler, müşterinin ürün veya hizmet satın alırken geçirdiği tüm aşamaları ve temas noktalarını içeren müşteri yolculuğunu doğru ve hızlı bir şekilde analiz etmek için uzgörülü ve akıllı sistemlere uyum sağlayabilmelidirler. Bu tez çalışmasında, akıllı müşteri analitiği, uzgörülü sistemler ve ilgili kavramlar hakkında derinlemesine bir inceleme yapılmıştır. Bu bağlamda, en nihayetinde müşteri deneyimi yolculuğunu iyileştirmek için uzgörülü müşteri odaklı akıllı müşteri analizi çerçevesi önerilmektedir. Bu tezde, çerçevenin satın alma aşamasını kapsayan gerçek bir uygulama çalışması da sunulmaktadır. Türkiye'de bulunan çok uluslu bir şirketin aşındırıcı ürün satışları 2017 ve 2018 yılları için incelenmiştir. Uygulama çalışmasında, müşteri tiplerini karlılıklarına, değerlerine ve risklerine göre belirlemek amacıyla, en yaygın müşteri segmentasyonu tekniklerinden biri olan, k-means kümeleme algoritması kullanılmaktadır. Veri unsurları, tüketicilerin toplam harcamalarına göre kodlanmış müşteri profili açısından gruplandırılmaktadır. Müşteriler, 2017 ve 2018'deki verilere dayanarak VIP, Platin, Altın ve Bronz olarak 4 gruba ayrılmıştır. Uygulama çalışmasının sonuçları, benzer değerlere, tercihlere ve diğer faktörlere sahip müşteriler için uygun veri odaklı, kendi kendine öğrenen, dinamik ve akıllı pazarlama stratejileri geliştirilerek müşteri memnuniyeti ve sadakat seviyesinin artırılabileceğini göstermektedir.--------------------Companies need to make data driven decisions to better understand customer behavior and improve the customer experience journey. Therefore, companies need to integrate multiple business intelligence functions from the perspective of customer agility in order to define, analyze, model and evaluate the required information. In today’s developing world, companies should be able to adapt to anticipatory and intelligent systems in order to accurately and quickly analyze the customer journey, which includes all the stages and touchpoints that the customer undergoes when purchasing the product or service. In this thesis study, an in-depth review is made about the intelligent customer analytics, anticipatory systems and related concepts. In this regard, an anticipatory customer oriented intelligent customer analytics framework is proposed to ultimately improve the customer experience journey. In this thesis, a real application study covering the purchasing phase of the framework is also presented. The abrasives product sales of a multinational company located in Turkey is examined for the years of 2017 and 2018. In the application study, the k-means clustering algorithm, which is one of the most common customer segmentation techniques, is used to identify the types of customers according to their profitability, values and risks. Data items are grouped according to coded customer profile with respect to the customers’ total expenditures. Customers are divided into 4 groups as VIP, Platinum, Gold and Bronze based on the data in 2017 and 2018. Results of the application study denote that customer satisfaction and loyalty level can be increased by developing appropriate data driven, self learning, dynamic and intelligent marketing strategies for customers with similar values, preferences and other factors.
Description
Keywords
Industrial engineering, Endüstri mühendisliği