Müşteri analitiği ve öneri sistemleri uygulaması

Modern dünyadaki rekabetçi pazar ve dalgalı ekonomiler, müşterileri uzun vadede karlı olarak yönetmenin zaruri bir ihtiyaç olduğunu ortaya çıkarmıştır. Müşteri İlişkileri Yönetimi, bir firmanın stratejik olarak en karlı şekilde hizmet edebileceği müşterileri seçmesi ve söz konusu müşteriler ile firma arasındaki etkileşimi şekillendirmesidir. Burada asıl amaç, müşterilerin mevcut ve gelecek değerini firma için optimize etmektir. Günümüzde Müşteri İlişkileri Yönetimi, modern ekonomi için vazgeçilemez bir strateji, taktikler kümesi ve teknolojiyi ifade eder. Çalışmanın başında değişik kaynakların müşterilere farklı olarak tahsis edilmesini temel alan Müşteri Değer Yönetimi incelenmiştir. Farklı kaynak aktarımının temeli, müşterinin firma için ekonomik değeridir. Bundan dolayı, bir firma müşteri yönetimine geçmeden önce her bir müşterinin firmaya ne kadar değer kattığı hesaplanmalıdır. Bunun için kullanılan yöntemlerin bazıları basit hesaplamaları temel alır, bazıları ise matematiksel teknikleri gerektirir. Çalışmada pazar payı, satış büyümesi gibi metriklerin yanı sıra cüzdan büyüklüğü, müşteri yaşam boyu değeri, RFM metodu gibi metrikler örneklerle incelenmiştir. Daha sonra Müşteri Değer Yönetiminin en önemli hedeflerinden biri olan, mevcut müşterileri değerlerine göre profilleyip, bu veriler doğrultusunda benzer müşteriler bularak elde etmek amacıyla yapılan Pazarlama Kampanyalarının nasıl yapılması gerektiği adım adım irdelenmiştir. Kampanya Yönetimi ardından, firmaların müşterileri ve satın alma davranışlarını daha iyi anlamasını sağlayarak, birbiriyle ilişkili ürünleri keşfetmesine, birbiriyle ilişkili ürünlere dayalı müşteri yanıtının olasılığını tahmin etmesine ve pazarlama ve satış işlemlerini optimize etmesine olanak tanıyan Öneri Sistemleri incelenmiştir. Öneri Sistemleri çalışmaları sonucu yapılabilecek pazarlama ve satış işlemleri arasında; •İlişkili ürünlerden satın almayan müşterilere ürün önerisi yapmak ya da indirimli set halinde ilişkili ürünleri sunarak satış hacmi artırmak, •Önerilen ürünleri yüksek doğruluk oranıyla yaparak müşteri memnuniyeti sağlamak, •Perakende mağaza yöneticisinin ilişkili ürünler bazında stok kontrolü yapmasını sağlamak, •Mağaza ürün yerleşiminde ilişkili ürünler göz önünde bulundurularak tasarım yapmak vb. sayılabilir. Bu amaçla çalışmada, UCI Machine Learning Repository'den alınan, İngiltere merkezli bir e-ticaret şirketinin 01/12/2010 ve 09/12/2011 tarihleri arasında gerçekleşen 541.910 adet işlemi içeren veri seti ile açık kaynaklı Knime Platformu'nda Ortaklık Kuralları oluşturulmuştur. Oluşturulan Ortaklık Kuralları sonucunda, firmanın hangi ürünlerden kimlere öneri yapabileceği, promosyonlu veya promosyonsuz ürün seti tasarlanabileceği, ilişkili ürün gamında yeni ürün tasarım fırsatlarının neler olabileceği ve stok kontrolünde hangi ürünleri göz önünde bulundurması gerektiği gibi sonuçlara ulaşılmıştır. Çalışmanın ikinci kısmında söz konusu veri setine, gelecek müşteri davranışlarını daha iyi tahmin etmek ve hedef müşterileri daha iyi belirlemek için RFM analizi yapılmıştır. RFM analizi yapılan 36 farklı segmentteki müşteri için Ortaklık Kuralları hesaplanmış ve incelenmiştir. Böylece segment bazında daha yüksek müşteri memnuniyeti ve daha çok çapraz satış ile sonuçlanacak, ürün öneri kural setleri oluşturulmuştur. RFM analizi sonrası oluşturulan müşteri segmentlerinde hesaplanan Ortaklık Kuralları'nın firma hedefleri doğrultusunda daha odaklı kampanya performansı sağlayacağı düşünülmektedir. Daha doğru sonuçlara ulaşabilmek için, müşterilerin demografik bilgilerinin de eklenerek Ortaklık Kuralları oluşturulması tavsiye edilmektedir. Böylece yöneticiler, daha doğru ve daha güçlü kurallar kullanarak, doğru müşteri segmentlerine daha hedefli ve etkili kampanyalar hazırlayabilir.