Assortment planning using data mining algorithms

Abstract

Günümüzde ürün gamı optimizasyonu, belli kategoriye ait ürünler içerisinde satış performansı en iyi olanları bulmaktan ziyade perakendecilerin ticari stratejilerini pazarda uygulamaları için kullanılan bir metod haline gelmiştir. Veri tabanlarına her gün kaydedilen milyonlarca veriyi düşündüğümüzde gün geçtikçe çoğalan veriden gerekli bilgiyi çıkarmak perakendeciler için daha zor hale gelmektedir. Bu problemin çözümüne yardımcı olmak için ürün gamı seçiminde veri madenciliği uygulamalarını kullanmayı ve yoğun veriden bilgi edinmeyi amaçlamaktayız.Şu da unutulmamalıdır ki perakendeciler en uygun ürün gamını seçerken sadece karmaşık algoritmalara güvenmemeli, iş mantığını da karar sisteminin içine yedirmelidir. Bu çalışmada biz bu konudaki önceki çalışmalardan PROFSET ve GENELLEŞTİRİLMİŞ PROFSET modellerine yeni geliştirmelerde bulunduk. Temel modeli sık alınan ürün kümesinin kar dağılım metodu, kategori başına sınırlamaları ve adetsel olarak bol satış yapan ürün kısıtlamalarında eklemeler ve düzeltmeler yaparak geliştirdik. Son olarak da yarattığımız modeli empirik olarak örnek bir perakende datası için test ettik. Tüm bunları yaparken perakende sektörü gerçekleri, tüketici ve müşteri algısını dikkatten kaçırmamaya özen gösterdik.

Assortment Optimization is not just selecting the best products according to the sales performance under a certain category, but also an execution method to apply retailers commercial strategy into market considering all strategies which retailer want to play. Regarding millions of data saved in databases and explosive growth of data leads to a situation in which it is increasingly difficult for retailers to understand the right information. To cope with this problem we are planning to use association algortihms to put in place data mining in product selection.It should also be considered that selecting best and suitable products for assortment of retailer need not only sophisticated algorithms to take decisions but also business perspective to embed into decision system. In this study, we approach the assortment selection problem, by improving the PROFSET model and GENERALIZED PROFSET model, which is based on a microeconomic framework. We improved the basic model by introducing additional method of profit allocation over frequent item sets, constraints about categories and sold quantities. Finally we empirically test our model with sample retailer data. While doing this we will also take into consideration the retail industry characteristics and consumer and customer perceptions.