Artificial ıntelligence based sales cancellation/return forecasting software for e-commerce ındustry

Günümüzün hızla değişen dijital ortamında e-ticaret, basit bir satış kanalı olmanın ötesine geçmiş ve stratejik iş planlamasının temel bileşenlerinden biri hâline gelmiştir. Bu çalışma, sipariş iptali ve iade tahmini için makine öğrenmesi tabanlı sınıflandırma modelleri geliştirmeyi amaçlamaktadır. Modeller, Mayıs 2020 ile Ağustos 2024 tarihleri arasında bir e-ticaret şirketinden toplanan 11.000 işlem kaydından oluşan gerçek bir veri kümesi kullanılarak oluşturulmuştur. Bu kayıtların 10.000'i model eğitimi için, kalan 1.000'i ise bağımsız testler için ayrılmıştır. Eğitim veri kümesi, tamamlanan, iptal edilen ve iade edilen siparişler olmak üzere üç sınıf arasında dengelenmiştir. İki farklı modelleme yaklaşımı benimsenmiştir. İlk yaklaşım, tüm bu üç sonucu tek bir modelde tahmin etmek amacıyla çok sınıflı sınıflandırma çerçevesini kullanmıştır. İkinci yaklaşım ise, iptal ve iade durumları için ayrı ayrı ikili sınıflandırma modelleri geliştirerek daha hedefli tahminler yapılmasını sağlamıştır. Bu modelleri oluşturmak için beş makine öğrenmesi algoritması uygulanmıştır: Lojistik Regresyon (LR), Rastgele Orman (RF), Aşırı Gradyan Artırma (XGBoost), Destek Vektör Makineleri (SVM) ve Derin Sinir Ağı (DNN). Model performansını artırmak amacıyla dört öznitelik seçme stratejisi değerlendirilmiştir: minimum Artıklık Maksimum İlgililik (mRMR), Relief-F, F-Sınıflandırma ve bu üçünün birleşiminden oluşan Hibrit yöntem. Bunlar arasında, özellikle RF ve XGBoost ile birlikte kullanıldığında, Relief-F ve Hibrit yaklaşımlar en güçlü sonuçları vermiştir. Sonuçlar, ikili sınıflandırma yaklaşımının çok sınıflı yaklaşıma kıyasla daha yüksek doğruluk ve duyarlılık sağladığını ortaya koymuştur. SVM modelleri, ikili sınıflandırma senaryolarında güçlü bir performans sergilerken; LR ve DNN modelleri daha düşük başarı göstermiştir. Genel olarak, gelişmiş öznitelik seçme tekniklerinin RF ve XGBoost ile entegrasyonu, tahminleme yeteneklerini önemli ölçüde artırmış ve e-ticaret işletmeleri için operasyonel planlama ve karar alma süreçlerini optimize etmede değerli bir araç sunmuştur.