BibTex RIS Cite

TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ

Year 2013, Volume: 5 Issue: 2, 25 - 40, 31.07.2013

Abstract

Veri madenciliği ile pazarlama arasındaki yoğun etkileşim günümüz işletmelerinde yaygın bir hal almıştır. Veri tabanı pazarlaması adlı yeni bir anlayış doğmuş, işletmeler müşteri bölümleme ve müşteri ilişkileri gibi konularda bu yaklaşım çerçevesinde hareket etmeye başlamışlardır. Bu çalışmada son dönemde çok hızlı bir şekilde gelişen ve ilgi odağı olan veri madenciliğinin doğrudan pazarlama üzerine örnek bir uygulaması gerçekleştirilmiştir. Doğrudan pazarlamanın bir alt kolu olarak tanımlanabilecek tele pazarlama bankalar tarafından yoğun olarak kullanılmaktadır. Ancak bankaların müşterileriyle yaptığı görüşmeler çoğunlukla müşteriler tarafından hoş karşılanmamakta hatta çoğunlukla yapılan çağrılara müşteriler hiç yanıt vermemeyi tercih etmektedirler. Tele pazarlama başarımındaki bu düşüşü arttırabilmek için veri madenciliği önemli bir araçtır. Bankalar müşterilerini daha iyi tanıdıkça onlarla daha sağlıklı ilişki kurabilecektir. Bu çalışmada da birliktelik kurallarıyla yapılan analizler sonucunda bir bankanın müşterileri hakkında aydınlatıcı bilgiler üretilmeye çalışılmıştır. Uygulama kapsamında Portekiz’de bulunan bir bankanın verileri CRISP-DM (Cross Industry Standard Process for Data Mining; Çapraz Endüstri Veri Madenciliği Standart Süreci) yöntemiyle analiz edilmiştir. Bankaların veya müşterileriyle tele pazarlama yoluyla iletişim kuran diğer firmaların müşterilerini daha iyi tanımalarına ve tekliflerini en uygun yolla belirli müşterilere iletmelerine yönelik örnek bir veri madenciliği süreci sunulmuştur.

References

  • AKBULUT, S. (2006). Veri Madenciliği Teknikleri İle Bir Kozmetik Markanın Ayrılan Müşteri Analizi Ve Müşteri Segmentasyonu. Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
  • AY D. ve ÇİL İ. (2008), Migros Türk A.Ş. de Birliktelik Kurallarının Yerleşim Düzeni Planlamada Kullanılması, Endüstri Mühendisliği Dergisi Özel Sayısı Cilt: 21 Sayı: 2 Sayfa: (14-29).
  • BAI, Y. (2010) Practical Database Programming With Visual C#.NET. U.S.A: IEEE Press.
  • CHAPMAN P., CLINTON J., KERBER R., KHABAZ T., REİNARTZ T., SHEARER C., ve WIRTH R. (2000). Step-by step Data Mining Guide, SPSS Inc..
  • CHEN M.S., HAN J., ve YU P.S. (1996), Data Mining: An Overview from a Database Perspective, Ieee Transactıons On Knowledge And Data Engıjeerıng, 86, (s:866-883).
  • ÇANKIRI, S., KARTAL, E., YILDIRIM, K. ve GÜLSEÇEN, S . (2009). Organizasyonlarda Bilgi Yönetimi Sürecinde Veri Madenciliği Yaklaşımı, Bilgi Çağında Varoluş: “Fırsatlar ve Tehditler” Sempozyumu, 01-02 Ekim, İstanbul.
  • EMEL, G.G. ve TAŞKIN, Ç., (2005), Pazarlama Stratejilerinin Oluşturulmasında Bir Karar Destek Aracı: Birliktelik Kuralı Madenciliği, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitü Dergisi, 7(3), (s:30-59).
  • EMEL, G.G. ve TAŞKIN, Ç., (2005), Veri Madenciliğinde Karar Ağaçları Ve Bir Satış Analizi Uygulaması, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(2), (s:221-239).
  • EMEL, G.G. ve TAŞKIN, Ç., (2010), Veri Madenciliğinde Kümeleme Yaklaşımları Ve Kohonen Ağları İle Perakendecilik Sektöründe Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), (s:395-409).
  • FRAWLEY, W.J., PIATETSKY-SHAPIRO ve MATHEUS C.J., (1992), Knowledge Discovery in Databases: An Overview, Al Magazinei Vol 13, (s:58-72).
  • GIUDICI P.ve PASSERONE G. (2002), Data Mining Of Association Structures to Model Consumer Behaviour, Computational Statistics & Data Analysis, 38, (s:533-541).
  • KOTLER P. ve KELLER K.L. (2012) Marketing Management. Upper Saddle River, N.J.: Pearson Prentice Hall.
  • KOYUNCUGİL A.S., ve ÖZGÜLBAŞ N. (2009) Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları, Bilişim Teknolojileri Dergisi, 2(2) (s: 21-32).
  • KÜÇÜKSİLLE E., (2009). Veri Madenciliği Süreci Kullanılarak Portföy Performansının Değerlendirilmesi Ve İMKB Hisse Senetleri Piyasasında Bir Uygulama. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü, Isparta.
  • LİNG C.X. ve Lİ C. (1998). Data Mining for Direct Marketin: Problems and Solutions. Fourth International Conference On Knowledge Discovery And Data Mining.(s:73-80). California, U.S.A.
  • MORO S., LAUREANO R. ve CORTEZ P.(2011) Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology. Proceedings of the European Simulation and Modelling Conference - ESM'2011, October, 2011. (s: 117-121), Guimarães, Portugal.
  • NAKİP M., VARİNLİ İ., ve GÜLMEZ M. (2012) Güncel Pazarlama Yönetimi, Detay Yayıncılık, Ankara.
  • NGAI E.W.T., XİU L., ve CHAU D.C.K. (2009) Application of data mining techniques in customer relationship management: A literature review and classification, Expert Systems with Applications 36 (s:2592–2602).
  • OLSON, D.L. ve DELEN, D. (2008). Advanced Data Mining Techniques. Berlin: Springer.
  • P. TAYLOR, P. ve BAİN, P. (1999), An Assembly Line in the Head”: Work and Employee Relations in the Call Centre', Industrial Relations Journal 30(2), ( s: 101-117).
  • SAVAŞ S., TOPALOĞLU N., ve YILMAZ M. (2012), Veri Madenciliği ve Türkiye’deki Uygulama Örnekleri, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 21, (s: 1-23).
  • TİMOR M. Ve ŞİMŞEK U.T. (2008), Veri Madenciliğinde Sepet Analizi İle Tüketici Davranışı Modellemesi, Yönetim, 59.
  • ULAŞ M.A., (2001). Market Basket Analysis For Data Mining. Boğaziçi University Institute for Graduate Studies in Science and Engineering, İstanbul.
  • ULAŞ M.A., ALPAYDIN E., SÖNMEZ N., ve KALKAN, A. (2001). Veri Madenciliğinde Sepet Analizi Uygulamaları, Bilişim Zirvesi 2001, TBD 18. Bilişim Kurultayı, 4-7 Eylül, İstanbul.
  • WIRTH, R. ve HİPP, J. (2000). CRISP-DM: Towards a standard process modell for data mining. In Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining, (s: 29– 39). Manchester, UK.
  • WITTEN, I., ve FRANK E. (2011). Data Mining: Practical Machine Learning Tools and Techniques. U.S.A: Morgan Kaufman

ANALYZING TELEMARKETING DATASET WITH ASSOCIATION RULES AND CRISP-DM METHODOLOGY

Year 2013, Volume: 5 Issue: 2, 25 - 40, 31.07.2013

Abstract

The intense interaction between marketing and data mining is common todays businesses. A new approach created called; database marketing. Business managers began to use this approach more widely especially in terms of customer segmentation and Customer Relationship Management (CRM). In this work, we developed a data mining application-which is rapidly growing and becoming limelight- for direct marketing. As a sub-branch of direct marketing, telemarketing is used often by banks. But today, customers do not enjoy this and commonly they prefer not to answer calls. To prevent from this decline in the popularity of telemarketing, data mining is an important tool. Banks can understand customers and their behaviors more deeply using such application. As a result, they are able to develop a stronger relationship with them. In this work, We tried to produce some beneficial information about bank customers via the results of association rules. In that context, We analyzed the dataset of a Portuguese bank using CRISP-DM (Cross Industry Standard Process for Data Mining) methodology. It offers a case data mining study for banks or other businesses which employ telemarketing for know their costumers better and convey their proposals to specific costumers in most appropriate way

References

  • AKBULUT, S. (2006). Veri Madenciliği Teknikleri İle Bir Kozmetik Markanın Ayrılan Müşteri Analizi Ve Müşteri Segmentasyonu. Gazi Üniversitesi Fen Bilimleri Enstitüsü, Ankara.
  • AY D. ve ÇİL İ. (2008), Migros Türk A.Ş. de Birliktelik Kurallarının Yerleşim Düzeni Planlamada Kullanılması, Endüstri Mühendisliği Dergisi Özel Sayısı Cilt: 21 Sayı: 2 Sayfa: (14-29).
  • BAI, Y. (2010) Practical Database Programming With Visual C#.NET. U.S.A: IEEE Press.
  • CHAPMAN P., CLINTON J., KERBER R., KHABAZ T., REİNARTZ T., SHEARER C., ve WIRTH R. (2000). Step-by step Data Mining Guide, SPSS Inc..
  • CHEN M.S., HAN J., ve YU P.S. (1996), Data Mining: An Overview from a Database Perspective, Ieee Transactıons On Knowledge And Data Engıjeerıng, 86, (s:866-883).
  • ÇANKIRI, S., KARTAL, E., YILDIRIM, K. ve GÜLSEÇEN, S . (2009). Organizasyonlarda Bilgi Yönetimi Sürecinde Veri Madenciliği Yaklaşımı, Bilgi Çağında Varoluş: “Fırsatlar ve Tehditler” Sempozyumu, 01-02 Ekim, İstanbul.
  • EMEL, G.G. ve TAŞKIN, Ç., (2005), Pazarlama Stratejilerinin Oluşturulmasında Bir Karar Destek Aracı: Birliktelik Kuralı Madenciliği, Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitü Dergisi, 7(3), (s:30-59).
  • EMEL, G.G. ve TAŞKIN, Ç., (2005), Veri Madenciliğinde Karar Ağaçları Ve Bir Satış Analizi Uygulaması, Eskişehir Osmangazi Üniversitesi Sosyal Bilimler Dergisi, 6(2), (s:221-239).
  • EMEL, G.G. ve TAŞKIN, Ç., (2010), Veri Madenciliğinde Kümeleme Yaklaşımları Ve Kohonen Ağları İle Perakendecilik Sektöründe Bir Uygulama, Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 15(3), (s:395-409).
  • FRAWLEY, W.J., PIATETSKY-SHAPIRO ve MATHEUS C.J., (1992), Knowledge Discovery in Databases: An Overview, Al Magazinei Vol 13, (s:58-72).
  • GIUDICI P.ve PASSERONE G. (2002), Data Mining Of Association Structures to Model Consumer Behaviour, Computational Statistics & Data Analysis, 38, (s:533-541).
  • KOTLER P. ve KELLER K.L. (2012) Marketing Management. Upper Saddle River, N.J.: Pearson Prentice Hall.
  • KOYUNCUGİL A.S., ve ÖZGÜLBAŞ N. (2009) Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları, Bilişim Teknolojileri Dergisi, 2(2) (s: 21-32).
  • KÜÇÜKSİLLE E., (2009). Veri Madenciliği Süreci Kullanılarak Portföy Performansının Değerlendirilmesi Ve İMKB Hisse Senetleri Piyasasında Bir Uygulama. Süleyman Demirel Üniversitesi Sosyal Bilimler Enstitüsü, Isparta.
  • LİNG C.X. ve Lİ C. (1998). Data Mining for Direct Marketin: Problems and Solutions. Fourth International Conference On Knowledge Discovery And Data Mining.(s:73-80). California, U.S.A.
  • MORO S., LAUREANO R. ve CORTEZ P.(2011) Using Data Mining for Bank Direct Marketing: An Application of the CRISP-DM Methodology. Proceedings of the European Simulation and Modelling Conference - ESM'2011, October, 2011. (s: 117-121), Guimarães, Portugal.
  • NAKİP M., VARİNLİ İ., ve GÜLMEZ M. (2012) Güncel Pazarlama Yönetimi, Detay Yayıncılık, Ankara.
  • NGAI E.W.T., XİU L., ve CHAU D.C.K. (2009) Application of data mining techniques in customer relationship management: A literature review and classification, Expert Systems with Applications 36 (s:2592–2602).
  • OLSON, D.L. ve DELEN, D. (2008). Advanced Data Mining Techniques. Berlin: Springer.
  • P. TAYLOR, P. ve BAİN, P. (1999), An Assembly Line in the Head”: Work and Employee Relations in the Call Centre', Industrial Relations Journal 30(2), ( s: 101-117).
  • SAVAŞ S., TOPALOĞLU N., ve YILMAZ M. (2012), Veri Madenciliği ve Türkiye’deki Uygulama Örnekleri, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, 21, (s: 1-23).
  • TİMOR M. Ve ŞİMŞEK U.T. (2008), Veri Madenciliğinde Sepet Analizi İle Tüketici Davranışı Modellemesi, Yönetim, 59.
  • ULAŞ M.A., (2001). Market Basket Analysis For Data Mining. Boğaziçi University Institute for Graduate Studies in Science and Engineering, İstanbul.
  • ULAŞ M.A., ALPAYDIN E., SÖNMEZ N., ve KALKAN, A. (2001). Veri Madenciliğinde Sepet Analizi Uygulamaları, Bilişim Zirvesi 2001, TBD 18. Bilişim Kurultayı, 4-7 Eylül, İstanbul.
  • WIRTH, R. ve HİPP, J. (2000). CRISP-DM: Towards a standard process modell for data mining. In Proceedings of the 4th International Conference on the Practical Applications of Knowledge Discovery and Data Mining, (s: 29– 39). Manchester, UK.
  • WITTEN, I., ve FRANK E. (2011). Data Mining: Practical Machine Learning Tools and Techniques. U.S.A: Morgan Kaufman
There are 26 citations in total.

Details

Other ID JA43ZB74VH
Journal Section Review Article
Authors

Muhammed Bilgehan Aytaç

Hasan Şakir Bilge

Publication Date July 31, 2013
Published in Issue Year 2013Volume: 5 Issue: 2

Cite

APA Aytaç, M. B., & Bilge, H. Ş. (2013). TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ. Aksaray Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, 5(2), 25-40.
AMA Aytaç MB, Bilge HŞ. TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ. Journal of ASU FEAS. July 2013;5(2):25-40.
Chicago Aytaç, Muhammed Bilgehan, and Hasan Şakir Bilge. “TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ”. Aksaray Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi 5, no. 2 (July 2013): 25-40.
EndNote Aytaç MB, Bilge HŞ (July 1, 2013) TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 5 2 25–40.
IEEE M. B. Aytaç and H. Ş. Bilge, “TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ”, Journal of ASU FEAS, vol. 5, no. 2, pp. 25–40, 2013.
ISNAD Aytaç, Muhammed Bilgehan - Bilge, Hasan Şakir. “TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ”. Aksaray Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi 5/2 (July 2013), 25-40.
JAMA Aytaç MB, Bilge HŞ. TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ. Journal of ASU FEAS. 2013;5:25–40.
MLA Aytaç, Muhammed Bilgehan and Hasan Şakir Bilge. “TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ”. Aksaray Üniversitesi İktisadi Ve İdari Bilimler Fakültesi Dergisi, vol. 5, no. 2, 2013, pp. 25-40.
Vancouver Aytaç MB, Bilge HŞ. TELE PAZARLAMA VERİLERİNİN BİRLİKTELİK KURALLARIYLA VE CRISP-DM YÖNTEMİYLE ANALİZ EDİLMESİ. Journal of ASU FEAS. 2013;5(2):25-40.