Predict-then-optimize vs. constraint learning: An empirical comparison for e-commerce decision-making

Günümüzün hızla değişen e-ticaret ortamında, fiyatlandırma ve komisyon stratejilerinin etkin biçimde dengelenmesi, hem platformların gelirini hem de satıcıların kârlılığını maksimize etmek açısından kritik önem taşımaktadır. Bu yüksek lisans tezi, ileri makine öğrenimi tekniklerini matematiksel optimizasyon yöntemleriyle bütünleştiren yenilikçi bir yaklaşım sunmaktadır. Bu kapsamda, geleneksel Tahmin Sonrası Optimizasyon (Predict-then-Optimize - PTO) yaklaşımı ile daha bütünleşik bir yöntem olan Kısıt Öğrenme (Constraint Learning - CL) paradigması karşılaştırılmaktadır. Gerçek pazar verileri üzerinden gerçekleştirilen kapsamlı simülasyon ve ampirik değerlendirme sonuçları, önerilen yöntemlerin stratejik karar verme, verimlilik ve dayanıklılık açısından açık avantajlar sağladığını ortaya koymaktadır. Sonuç olarak bu çalışma, karmaşık e-ticaret pazarlarında daha akıllı ve dinamik fiyatlandırma kararlarının önünü açmaktadır.