Ürün kategorileri arasındaki satış ilişkisinin birliktelik kuralları ve kümeleme analizi ile belirlenmesi ve perakende sektöründe bir uygulama

Abstract

Günümüzde birçok işletme, müşterileri ile ilgili çok miktarda ve çok çeşitli veriye sahiptir. Bu verilerin çeşitli analiz teknikleriyle işlenerek anlamlı ve işletmenin işine yarayacak bilgilerin elde edilmesi, işletmenin daha etkin kararlar vermesini sağlayacak ve küreselleşen, rekabetin arttığı dünyada işletmenin rekabet etme gücünü arttıracaktır. Veri madenciliği, matematiksel ve istatistiksel teknikler yardımı ile veri seti içindeki gizli bağlantıları tespit ederek, işletmelere karar verme sürecinde yardımcı olmaktadır.Bu çalışmada ürün kategorileri ve ürün sınıfları arasındaki satış ilişkisinin tespit edilmesi amaçlanmaktadır. Bu amaçla perakendeci bir işletmenin bir yıllık süre boyunca topladığı alışveriş fişi verileri üzerinde birliktelik kuralları analizi ve hiyerarşik kümeleme gibi veri madenciliği yöntemleri uygulanmıştır. Araştırmada 1.096.125 adet fiş analiz edilmiştir. Birliktelik kuralları analizi sonucunda en büyük kural desteğinin %18,69 ile içecekler->tatlı ürünler bağıntısında, en yüksek güven değerinin %69,46 ile market markası->tatlı ürünler bağıntısında olduğu belirlenmiştir. Kümeleme analizi sonucunda en kuvvetli ilişkiler, makarna-bakliyat (0,403), zeytin-peynir (0,354), çay-şeker (0,337), pasta malzemeleri-hazır tatlı (0,308) ürün çiftleri arasında tespit edilmiştir. Kümeleme aşaması 82 adımda tamamlanmıştır.Bu araştırmanın sonuçları perakendeci işletmeler tarafından çeşitli promosyon kampanyalarında değerlendirilebilir. İşletmenin kategori yönetiminde kullandığı ürün kategorileri ve sınıfları, kümeleme analizi sonucunda elde edilen kümelere göre tekrar oluşturularak daha verimli bir şekilde kullanılabilir. Aynı zamanda bulunan örüntüler, kararsız müşteriler için ikna edici, yön gösterici çeşitli faaliyetler tasarlanması için de kullanılabilir.

Many enterprises have lots of data about their customers. Processing these data with various analysis techniques to make meaningful information for enterprises will make enterprises to take beneficial decisions in the competitive world. Data mining determine hidden informations and patterns in a data set with the help of mathematical and statistical techniques to help enterprises to make choices.In this research it is aimed to determine the sales relationship between product categories and product classes. To achieve this goal, data mining methods, like association rule analysis and hierarchical cluster analysis, applied to one year sales database constructed by a retailer. In this research 1.096.125 sales slips were analyzed. In association rules analysis, the biggest rule support (%18.69) was found between beverages and sweet categories, the highest confidence value (%69.46) was found between private label and sweet categories. In cluster analysis the strongest relationship was found between macaroni-legumes (0,403), olives-cheese (0,354), tea-sugar (0,337), pastry ingredients-ready-made sweet (0,308) classes. Clustering stage was completed in 82 steps.Results of this research can be used in promotion campaigns by retailers. Product categories and classes, which retailers use in category management, can be formed efficiently by examining cluster analysis results. Patterns, which were founded by this research, can be used to design activities for indecisive customers to persuade them.