A hybrid recommendation system application by RFM segmentation

Öneri sistemi, veri analizi teknikleri kullanarak kullanıcıların tercih ve davranışlarına göre öğeler veya içerikler önermek için kurulan bir bilgi filtreleme sistemidir. Sistem, kullanıcıların sisteme veya onlara benzer diğer kullanıcılara geçmiş etkileşimlerine dayanarak kullanıcıların ne gibi şeylerden hoşlanacağını tahmin etmek için tasarlanmıştır. Öneri sistemi oluşturmak için, genellikle kullanılan veri analizi teknikleri arasında işbirlikçi filtreleme, içerik tabanlı filtreleme ve hibrit filtreleme bulunur. İşbirlikçi filtreleme, kullanıcıların geçmiş davranışlarını ve etkileşimde bulundukları öğeleri analiz ederek kullanıcılar arasındaki kalıpları ve benzerlikleri belirlemek için kullanılır. İçerik tabanlı filtreleme, öğelerin kendi özellikleri olan tür veya anahtar kelimeler gibi benzer öğeleri kullanır. Hibrit filtreleme, bu iki yaklaşımı birleştirerek daha doğru öneriler sağlar. Öneri sistemi uygulamak için, kullanıcı derecelendirmeleri, kullanıcı davranışı, kullanıcı demografisi ve öğe özellikleri gibi çeşitli kaynaklardan veriler toplanır. Bu veriler daha sonra kullanıcılar ve öğeler arasındaki kalıpları ve ilişkileri belirlemek için analiz edilir ve sonuçlar kullanıcılara kişiselleştirilmiş öneriler sunmak için kullanılır. Genel olarak, öneri sistemleri, kullanıcılara kişiselleştirilmiş ve ilgili öneriler sağlayarak işletmelerin kullanıcı etkileşimini artırmasına ve müşteri memnuniyetini artırmasına yardımcı olan güçlü bir araçtır. Birçok çevrimiçi hizmet sağlayıcı, tavsiyeler üreterek müşterilerinin karar vermelerine yardımcı olmak için bir öneri sistemi kullanır. Bu tez, turizm müşterilerinin ihtiyaç duydukları özelliklere sahip otellere, çevrimiçi rezervasyon yapmaları için müşterilere zaman kazandıran ve kişiselleştirilmiş otel önerilerinin etkisini artıran yeni bir öneri sistemi önermektedir. Bu çalışmada sunulan yeni sistem, işbirlikçi ve içerik tabanlı filtreleme yaklaşımlarını birleştirmektedir ve yeni bir hibrit öneri sistemi oluşturulmuştur. Müşteri bilgilerini ve otel özelliklerini içeren iki veri seti, müşterileri satın alma özelliklerine göre tanımlamak için Recency, Frequency, Monetary (RFM) yöntemi ile analiz edilmiştir. Öneri sisteminin ana fikri, kullanıcılar ve ürünler arasında korelasyonlar kurmak ve belirli bir kullanıcı için en uygun ürün veya bilgiyi seçme kararı vermektir. Çevrimiçi verilerin katlanarak büyümesinin bir sonucu olarak, turizm endüstrisinde kullanılacak bu büyük miktardaki bilgi, karar vericiler tarafından satın alma kararları vermek için kullanılabilir. İlgili bilgileri filtrelemek, önceliklendirmek ve faydalı bir şekilde sunmak bu aşırı yükü azaltır. Öneri sistemlerinin bir kullanıcı için bir öneri listesi oluşturabilmesinin üç ana yolu vardır; içerik tabanlı, işbirlikçi tabanlı ve hibrit yaklaşımlar. Bu makale, her kategoriyi ve tekniklerini ayrıntılı olarak açıklamaktadır. RFM Analizi, müşterilerin satın alma alışkanlıklarını ölçerek müşteri segmentlerini belirlemek için kullanılır. Müşterilerin satın alımlarının Recency, Frequency ve Monetary değerlerini belirleyerek bir puanlama modelinde sıralayarak etiketleme işlemidir. Puanlama, ne kadar yakın zamanda satın aldıklarına (Recency), ne sıklıkta satın aldıklarına (Frequency) ve satın alma boyutuna (Monetary) dayalıdır. Deneysel sonuçlar, Manhattan Distance tabanlı hibrit filtreleme kullanan davranış analizinin doğruluğunun, işbirlikçi ve içerik tabanlı algoritmalara kıyasla büyük ölçüde iyileştirildiğini göstermektedir.