Bir Perakende Firmasında Metin Benzerliği ve Tekil Değer Ayrışımı Algoritması Tabanlı Ürün Öneri Sisteminin Oluşturulması
Küçük Resim Yok
Tarih
2022
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Bayburt University
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Günümüzde şirketlerin dijital dönüşüm kapsamında yaptığı çalışmalar özellikle pandemi sonrası tüketiciden gelen talebin artmasıyla giderek hız kazanmıştır. Bu bağlamda, E-Ticaret alanında web site ve mobil uygulamalarda müşteriye en uygun ürün önerilerinin sunulması, müşteri ihtiyaçlarının karşılanması ve şirketlerin satış hedeflerinin gerçekleştirilmesi için ürün öneri sistemlerine ihtiyaç duyulmuştur. Bu alanda yapılan çalışmalar, ürün tipi ve çeşitliliği değişkenlik gösterdiği için çoğu zaman mantıksız ve yanlış ürün önerilerinin tüketicilere sunulmasına yol açtığı, farklı sitelerin ürün önerileri incelendiğinde açıkça görülmüştür. Bu çalışmada, şirketin ürün ve veri yapısına göre en uygun şekilde veri manipülasyonun gerçekleştirilmesi, özelleştirilmiş fonksiyonların yazılması, Metin Benzerliği ve Tekil Değer Ayrışımı algoritmasına dahil olarak en uygun tamamlayıcı ürünlerin gösterilmesi sağlanmıştır. En uygun algoritmanın geliştirilerek yazılımı tamamlanmıştır. Elde edilen ürün önerileri web sitesi ve mobil uygulamada canlıya alınmıştır. Sonuçlar Google Analytics üzerinden ve Python kodlarıyla ayrı ayrı gözlemlenmiştir. Yapılan çalışma sonucunda geliştirilen ürün öneri sisteminin mevcut sisteme kıyasla set halinde satılan ürünlerde %7,62, tekli olarak satılan ürünlerde ise %11,2 oranında daha iyi performans gösterdiği gözlemlenmiştir. Ayrıca ilgili alanın web site ve mobil uygulamada görüntülenme sayısı %7,17, tıklanma sayısı %28,93 artış göstermiştir. Ürün önerilerinin mevcut duruma kıyasla daha mantıklı ve tamamlayıcı olarak daha ilişkili ürün önerileri sunduğu tespit edilmiştir ve ilgili alanlar farklı zamanlarda incelenerek gözlemlenmiştir.
Due to rising client demand following the pandemic, organizations' initiatives in the field of digital transformation are gaining pace nowadays. Product recommendation systems were necessary for this context to deliver the most relevant product choices to clients, meet their expectations, and accomplish the businesses' sales targets through the e-Commerce website and mobile applications. Examining the product suggestions of numerous websites reveals that study on this subject frequently results in the presentation of illogical and erroneous product recommendations to visitors, given the variety and type of things accessible. This study looked into data manipulation, building custom functions, Text Similarity, and Singular Value Decomposition. The algorithm displays the best complementary commodities. The software was completed by developing the best algorithm. The product proposals were brought to life through the use of a website and a mobile application. Individual observations were made using Google Analytics and Python scripts. The study found that the created product recommendation system beat the current system by 7.62 percent in items sold as a group and by 11.2 percent in products sold separately. Furthermore, the number of views on the website and mobile application for the relevant area climbed by 7.17 percent, and the number of clicks increased by 28.93 percent. It has been decided that the product suggestions provide more logical and complementary product recommendations than the existing situation, and the relevant regions have been monitored and reviewed at various times.
Due to rising client demand following the pandemic, organizations' initiatives in the field of digital transformation are gaining pace nowadays. Product recommendation systems were necessary for this context to deliver the most relevant product choices to clients, meet their expectations, and accomplish the businesses' sales targets through the e-Commerce website and mobile applications. Examining the product suggestions of numerous websites reveals that study on this subject frequently results in the presentation of illogical and erroneous product recommendations to visitors, given the variety and type of things accessible. This study looked into data manipulation, building custom functions, Text Similarity, and Singular Value Decomposition. The algorithm displays the best complementary commodities. The software was completed by developing the best algorithm. The product proposals were brought to life through the use of a website and a mobile application. Individual observations were made using Google Analytics and Python scripts. The study found that the created product recommendation system beat the current system by 7.62 percent in items sold as a group and by 11.2 percent in products sold separately. Furthermore, the number of views on the website and mobile application for the relevant area climbed by 7.17 percent, and the number of clicks increased by 28.93 percent. It has been decided that the product suggestions provide more logical and complementary product recommendations than the existing situation, and the relevant regions have been monitored and reviewed at various times.
Açıklama
Anahtar Kelimeler
Industrial Engineering, Endüstri Mühendisliği
Kaynak
Bayburt Üniversitesi Fen Bilimleri Dergisi
Bayburt Üniversitesi Fen Bilimleri Dergisi
Bayburt Üniversitesi Fen Bilimleri Dergisi
WoS Q Değeri
Scopus Q Değeri
Cilt
5
Sayı
2
