Bilişsel Haritalar Ve Karar Ağacı Algoritması İçeren Bir Veri Madenciliği Uygulaması

Abstract

Veri madenciliğinin iş dünyası için gün geçtikçe daha zorunlu bir araç haline gelmesinin nedeni, müşteri bilgisinin pazarlama hizmetleri başarısında kilit rol oynamasıdır. Veri madenciliği sürecinde, kümelenmiş verideki gizlenmiş bilgiyi keşfetmek için çok sayıda analitik yöntem kullanılmaktadır ve tüm bu süreç sonrası elde edilen bilgi, müşteri portföyünün geleceği ile ilgili daha destekleyici tahminler yapmayı olası kılmaktadır. Bu çalışma bilişsel haritalar ve karar ağaçlarının bütünleşik kullanımıyla müşteri profili belirlenmesine bir temel teşkil etmeyi amaçlamaktadır. Çalışmanın ilk aşaması pazarlama başarısında etkin olan firmaya ve müşteriye özgün faktörlerin belirlenmesidir. Çalışmanın bu aşamasında firmaya özgün faktörler ürün karması olarak belirlenirken, müşteriye özgün faktörlerin literatürdeki yaşam biçimi bölümlendirme modelinden alınması kararlaştırılmıştır. İkinci aşamada ise firma faktörleri ile yaşam biçimi bölümlendirme değişkenleri arasındaki ilişkiler bir sebep ve sonuç haritası aracılığıyla belirlenmektedir. Bilişsel harita uygulaması sonrası elde edilen ağırlıkların kullanılarak karar ağaçlarının oluşturulması çalışmanın dördüncü aşamasını teşkil etmektedir. Müşteriler, karar ağaçları yönteminde, memnuniyet dereceleri, futbol ilgileri ve firma sadakatlerine göre sınıflandırılacaklardır. Bu çalışmanın sonuçları firmanın gelecekteki müşteri davranışlarını tahmin etmesine yardımcı olacaktır. Ayrıca, bu çalışma rekabet stratejisi gereği müşteri sadakatini arttırmayı amaçlayan bir dijital televizyon kanalı için pilot uygulama sunmaktadır. Veri madenciliği ve pazarlama yönetimi alanlarındaki uzmanlar kadar, eğlence dünyasındaki işletme yöneticileri de bu çalışmanın hedef kitlesi içerisindedir.Customer data is the key to marketing success and this is why data mining has become an inevitable tool for the business world. Data mining is used to detect the knowledge in the accumulated data for which various analytical methods are used. The knowledge is further used to support the predictions for the future of the customer portfolio. This study aims to illustrate a framework for integrated implementation of the cognitive maps and decision trees in customer profiling. The first step is to identify the company specific and customer specific factors which are effective in marketing. Company specific factors are determined as the product mix and the customer specific factors are decided to be taken from the lifestyle segmentation model in the literature. The second step is to determine the interactions among company specific factors and lifestyle segmentation variables through a cause and effect map. As the third step decision trees are developed using the weights calculated from cognitive mapping. Customers will be classified with respect to their satisfaction level, football interest and loyalty. The findings will help the company to predict future customer behaviour. This paper also represents a pilot application of the framework in a digital TV channel that is in need of developing loyalty as a competitive strategy. This study will contribute both researchers in data mining and marketing fields as well as business managers in recreation industry.