Tekrarlı üretim içeren genişletilmiş bir RFM tekniği ve gerçek dünya uygulaması

Abstract

Günümüzde internetin yaygınlaşması ve erişilebilen pazar çeşitliliğinin artmasının meydana getirdiği yoğun rekabet ortamında işletmelerin mevcudiyetlerini koruyabilmeleri ve karlılık düzeylerini arttırabilmeleri için çeşitli stratejiler geliştirmeleri gerekmektedir. Doğru stratejilerin geliştirilebilmesi ve bu stratejiler doğrultusunda kullanılan kaynakların optimizasyonu için işetmelerin müşteri davranışlarını doğru analiz etmesi gerekmektedir. Bu noktada benzer eğilimlere sahip müşterilerin gruplandırıldığı kümeler ile çalışmak kolay ve anlamlı bir süreç yürütülmesini sağlar. Bu amaçla benzer alışveriş alışkanlıklarına sahip müşterilerin bir arada olduğu homojen gruplar oluşturma işlemi müşteri segmentasyonu olarak adlandırılır. Literatürde uygulama ve anlaşılma kolaylığı nedeniyle en çok tercih edilen segmentasyon yöntemi RFM (Recency, Frequency ve Monetary) analizidir. RFM analizi 'R' güncellik metriği ile müşterin son alışveriş tarihini, 'F' sıklık metriği ile referans aralıktaki alışveriş sıklığını ve 'M' parasal değer metriği ile referans aralıktaki total harcamasını analiz eder. Bu üç özellik bakımından benzerlik taşıyan müşterileri bir araya getirerek çeşitli segmentlere ayırır. RFM analizi müşteri segmentasyonu için çok önemli özellikler kullanıyor olsa da çeşitli işletmeler için müşterilerin başka özellikleri de önemli olabilmektedir. Literatürde bu ihtiyaçlardan yola çıkılarak RFM analizine yeni bir metriğin dahil edildiği pek çok çalışma gerçekleştirilmiştir. Bu çalışmada tekrarlı üretimin çeşitli sektörlerde sağlamış olduğu avantajlar göz önünde bulundurularak RFM analizine tekrarlayan sipariş durumunu ifade eden R kodlu 'Repetitive' metriği dahil edilmiş ve RFM-R analizi geliştirilmiştir. Geliştirilen yöntemden elde edilen çıktılarla üretim veriminin arttırılması, ürünlerin müşterilere teslim sürelerinin kısaltılması, varyant yapısından kaynaklanan değişikliklerin getirdiği dezavantajların yönetilmesi amaçlanmıştır. Segmentasyon işlemi için makine öğrenmesi yöntemlerinden denetimsiz öğrenme yöntemleri arasında yer alan K-Means, HDBSCAN ve GMM kümeleme algoritmaları kullanılmış, her bir metot ve her bir algoritma için elde edilen kümelerin performansları küme değerlendirme metrikleri kullanılarak ölçümlenmiş ve kıyaslanmıştır. Geliştirilen yöntem altın takı sektöründe uygulanmış ve bulguların gerçek hayattaki geçerliliği vurgulanmıştır. Elde edilen sonuçlar doğrultusunda oluşturulan segmentler için pazarlama stratejileri önerilmiştir. RFM temelli müşteri puanlaması ve denetimsiz makine öğrenme algoritmaları ile gerçekleştirilen segmentasyonu işlemleri sonucunda müşteriler çeşitli segmentlere ayrıldıktan ve bu segmentler için çeşitli stratejiler önerildikten sonra çalışmanın ikinci kısmına geçilmiştir. İşletmeler için sadık ve kayıp gibi en üst ve en alt segmentlerde olan müşterileri bilmek kadar önemli olan bir diğer konu ise "Potansiyel Müşteriler" olarak nitelendirilen müşterilerin kimler olduğunu bilmektir. Mevcut durumda en iyiler ile bir arada gruplanacak kadar değerli olmayan ancak sadık müşteri olabilme potansiyeli taşıdığını gösteren davranışlara sahip bu müşteriler farklı segmentler içerisinde olabilmekle birlikte bu müşterilerin kim olduğu bilgisi işletme için son derece değerlidir. Güncellik skoru yüksek olan bu müşterilerin Sıklık ve Parasal değer skorları bakımından da umut vadettiklerini ve çeşitli teşviklerle iyileştirilebilecek bir noktada olduklarını söylemek mümkündür. Bu müşteriler için 'Potansiyel Müşteri' olma kriterlerini sağlama durumları hem bireysel bazda hem de içinde bulundukları segmentler bazında önce manuel bir RFM puanlaması ve devamında K-Means, HDBSCAN ve GMM algoritmaları ile oluşturulan kümeler bazında olacak biçimde kontrol edilmiştir. Bu bağlamda önce RFM bazlı puanlama yöntemiyle potansiyel müşteriler elde edilmiştir. Devamında segmentasyon adımlarındakine benzer biçimde K-Means, HDBSCAN ve GMM algoritmalarının oluşturduğu potansiyel müşteri segmentlerinde bulunan müşteriler listelenmiştir. Segment bazlı listelerde ve bireysel bazlı RFM puanlaması listesinde varlığını istikrarlı biçimde koruyan müşterilerin iki yönlü doğrulanmış yüksek potansiyelli müşteriler olduğuna karar verilmiştir.