Sales management analysis with text mining methods

Abstract

Bu çalışmanın amacı, satış yönetim sürecini iyileştirmek hedefiyle teklifleri zorluk seviyelerine göre kategorize etmek için veri madenciliği tekniklerini kullanarak büyük bir araç şirketinin teklif içeriğini incelemektir. Tekliflerin dili çoğunlukla Almancadır. Tekliflerin zorluk seviyesine göre sınıflandırılması, şirketin müşteri taleplerindeki değişiklikleri gözlemlemesine ve gelecek planları yaparken fikir edinmesine katkı sağlayacaktır. Destek Vektör Makinesi ve Lexicon duyarlılık analizinden esinlenerek yeni bir yöntem geliştirilmiş ve teklifler zorluk seviyelerine göre kategorize edilmiştir. Bu aşamada değerlendirme uzmanı grubun desteğiyle teknik içerikli özel sözlükler hazırlanmıştır. Ayrıca, tüm tekliflerin tek bir veri setinde birleştirilmesi ve içeriğin analiz edilmesi, satış yönetimi sürecindeki diğer olası çalışmaların temelini oluşturmuştur. Bu çalışmada kullanılan veri seti 2006-2019 yılları arasında araç satış sürecinde kullanılan 1,082,093 gözlemi içermektedir. Çalışma sonucunda, yapılandırılmamış ve dağınık teklif verileri analiz edilmeye hazır bir veri setine dönüştürülmüştür. Teklif içerisinde yer alan özel istek sayısı yerine isteklerin içeriğinin zorluk seviyesini daha çok etkilediği görülmektedir. Ülke bazında piyasa taleplerinin zaman içinde nasıl değiştiği anlaşılmaktadır.Anahtar Kelimeler: Satış Yönetimi, Metin Madenciliği, Metin Kategorizasyonu, Lexicon Duygu Analizi, Makine Öğrenimi, Otomotiv, Almanca

The aim of this study is to examine offer contents of a major vehicle company using data mining techniques to categorize these offers based on difficulty level for the purpose of improving sales management process. The language of the offers is mainly in German. Categorizing the offers according to the difficulty level will allow the company to observe the changes in the customer requests over time and to make long term strategic sales management and marketing plans. A new method is developed inspired by the Support Vector Machine and Lexicon sensitivity analysis, and the offers are categorized with respect to their difficulty levels. At this stage, technical dictionaries are prepared with the support of the company's expert team. The study also constructs a large consolidated data set, which could serve as a basis for future sales management analysis of the offers. The data set used in this study contains 1,082,093 observations used in the vehicle sales process between 2006-2019. As a result of this study, unstructured and distributed offers data are converted into a data set ready for analysis. It is seen that the content of the special requests affects the difficulty level more than the number of requests included in the offer. It is understood how market demands have changed over time for the countries.Keywords: Sales Management, Text Mining, Text Categorization, Lexicon Sentiment Analysis, Machine Learning, Automotive, German