Veri bilimi ve makine öğrenmesi makine öğrenmesi teknikleri ile perakende sektöründe ürün öneri sistemi

Bu tez çalışmasında, perakende sektöründe ürün önerisi yapmak amacıyla veri bilimi ve makine öğrenmesi teknikleri incelenmiştir. Bu amaç doğrultusunda, Apriori algoritması, Yinelemeli Sinir Ağları ve Grafik Tabanlı Analiz yöntemleri kullanılmıştır. Tez kapsamında, örnek bir hediye mağazası veri setinde ve daha sonra bir gerçek hayat verisi uygulaması olarak perakende veri seti üzerinde bu yöntemlerin performansları detaylı bir şekilde değerlendirilmiştir. Yapılan analizler sonucunda, her bir yöntemin farklı avantaj ve dezavantajları olduğu tespit edilmiştir. Apriori algoritması, veri setlerinde basit ve anlaşılır kurallar oluşturma açısından önemli bir avantaj sunarken RNN'ler uzun süreli kullanıcı davranışlarını anlamada ve zaman serisi verileri üzerinde tahmin yapmada etkilidir. GBA ise ilişkilerin görselleştirilmesi, toplulukların oluşturulması ve karmaşık ilişkilerin analizi gibi konularda öne çıkmaktadır. Örnek veri setinde ve gerçek hayat uygulamasında yapılan çalışmalarda, yönteme karar verirken bu kararda, veri setinin boyutu ve özelliklerinin oldukça etkili olduğu görülmüştür. Python yazılım dili kullanılarak yapılan veri analizinde ve veri görselleştirmelerinde sonuçlar kolay okunabilir olmuştur ve teknolojiye uyum açısından hız kazandırmıştır. Bu çalışmanın sonuçları, perakende sektöründe kişiselleştirilmiş ürün önerisi yapma sürecine katkı sağlayacak önemli bulgular sunmaktadır. Satış oranlarını artırmak ve aynı zamanda müşteri memnuniyetini artırmak için Apriori algoritması, RNN ve GBA yöntemlerinden uygun olanı seçmek veri analizi ve veri özelliklerini iyi anlamak ile mümkündür. Bu veri analizinde Python gibi teknolojiye uyumlu araçlar kullanmak çalışmayı hızlandırmaktadır.