Customer segmentation in digital broadcasting

Abstract

Günümüzde çoğu şirket, müşterileriyle ilgili büyük veriler barındırmaktadır. Şirketler bu verileri çeşitli analiz teknikleriyle işleyerek, çıkan sonuçları şirket adına daha iyi kararlar verilmesinde kullanmaktadırlar. Bu tekniklerden biri de veri madenciliğidir. Veri madenciliği, analiz tekniklerinin sonucunda ortaya çıkan anlamlı veriden bir şablonun çıkarılmasını sağlar. Bu şablon şirketlerin müşteri segmentasyonu için yol gösterici durumundadır. Bu segmentasyonun sonucunda müşteri dataları belirli kümelere ayrıştırılmaktadır. Bu kümeler şirketlerin pazarlama stratejilerinin oluşturulmasında etkin rol almaktadır.Bu çalışmanın amacı çeşitli segmentleme methodlarını kullanarak elimizdeki büyük veriyi işleyip, müşterilerin TV izleme alışkanlıkları ile demografik bilgileri arasındaki ilişkiyi gösteren bir şablon ortaya çıkarabilmektir.Bu işlemler için çalıştığım kurumdaki müşteri datasından örnek bir müşteri kitlesi alınıp, bu kitlenin son 1 yıldaki işlem hareketleri kullanılmıştır. İşlemler sonucunda farklı segmentleme algoritmalarından farklı sonuçlar elde edilip bu sonuçların karşılaştırılması ve yorumlanması yapılmıştır.Çalışma sırasında ilk olarak veri madenciliğinin tanımı ve veri üzerinde kullanmış olduğum veri hazırlama tekniklerinin ve segmentleme algoritmalarının tanımları yapılmıştır. Daha sonrasında ise çalışmada kullanmış olduğum veriyi tanımak için verinin yapısı ve özellikleri grafiklerle açıklanmıştır. Veri hazırlama işlemi bittikten sonra farklı segmentleme algoritmalarıo sırasıyla veri üzerinde uygulanıp sonuçları gösterilmiştir.Son bölümde segmentleme algoritmalarından alınan sonuçlarının birbirleriyle karşılaştırılıp yorumlanması yapılmıştır.

Many companies have big data about their customers, they need to process these data with various analysis techniques to make meaningful information that provides to take better decisions in the competitive world.One of analysis techniques is Data mining. It determines hidden informations and patterns in a data set to help enterprises to decide.Data mining has several application areas. The most common of them is Customer segmentation. it is the process of splitting customers into sets. Moreover, it is used for developing customized marketing strategy.The intention of this study is to show relation between viewing habits and customer demographic informations. Results of clustering algorithms are examined with examples. To achieve this goal, clustering methods applied to last one year customers` products and demographic information of Digital Brodcast Company which I worked with. To do that, we can see results using different clustering methods. Process of identifying clusters are based on Euclidean distance.Firstly we tell about description of data mining, algorithms of data mining and techniques of data preparation and definition of segmentation algorithm. After definitions, we tell about represent of attributes and general information about customer data with graph and tell about preparation of data. After preparation of data, we apply different clustering techniques on this data and show differences between these results.In the last section, findings of the research are interpreted and discussed to offer strategies for digital broadcasting companies.