Proje İçeriği

Analitik CRM projesi hem online hem de offline kanallar aracılığıyla müşteri üyeliği alınan verilerin, KVKK (Kişisel Verilerin Korunması Kanunu) izinlerine uygun şekilde analiz edilmesini ve müşteri davranışlarına dayalı bir öneri sistemi geliştirilmesini hedeflemektedir. Müşteri numaralarıyla veri tabanına kaydedilen müşterilerin satın aldıkları ürünler üzerinde yapılacak trend analizleri, müşterilere kişiselleştirilmiş ürün önerileri sunmak için kullanılacaktır.

Bu çalışmanın temel amacı, perakende sektöründe tüketim malları (kozmetik, şampuan vb.) için bir öneri motoru geliştirmektir. Bu motor, kullanıcı ve ürün verilerinin vektörleştirilmesi için all-MiniLM-L6-v2 yöntemini, benzerlik aramaları için ise bir vektör veritabanını kullanarak, platformun kullanıcı deneyimini iyileştirmeyi hedeflemektedir. 

Perakende platformları, kullanıcı tercihlerinin çeşitli ve dinamik doğası ile ürün listelerinin karmaşıklığı nedeniyle, kullanıcılara uygun ürünler önermekte zorluk çekmektedir. Mevcut öneri sistemleri, kullanıcı davranışları ve ürün özellikleri arasındaki ince nüansları yakalamakta yetersiz kalmakta; özellikle de marka sadakati ve kullanım sıklığının önemli olduğu tüketim malları bağlamında bu zorluklar daha da belirgin hale gelmektedir. (Bu çalışma, kullanıcıları ve ürünleri yüksek boyutlu vektörlere kodlamak için all-MiniLM-L6-v2'yi kullanarak ve vektör veritabanını verimli benzerlik aramaları için devreye sokarak bu zorlukların üstesinden gelmeyi amaçlamıştır.

E-ticaret platformlarının hızla büyümesi, daha etkili öneri sistemlerine olan ihtiyacı artırmıştır. Geleneksel işbirlikçi filtreleme ve içerik tabanlı yaklaşımlar, özellikle marka sadakati ve satın alma sıklığının önemli olduğu perakende sektöründe, kullanıcılar ve ürünler arasındaki karmaşık ilişkileri yakalamakta yetersiz kalmaktadır.

Proje içerisinde kullanılan metotlar; Doğal Dil İşleme (NLP) alanındaki son gelişmeler, özellikle all-MiniLM-L6-v2 gömme (embedding) yöntemleri, öneri sistemlerini daha nüanslı ve dinamik hale getirme konusunda yeni fırsatlar sunmuştur. Bu çalışma, all-MiniLM-L6-v2 gömme yöntemleri ve vektör veritabanlarını entegre ederek, perakende platformları için gerçek zamanlı ve kişiselleştirilmiş "Sonraki En İyi Ürün" (Next-Best-Product, NBP) önerileri sunmayı amaçlamıştır.

Bu raporlama sistemi ile, perakende sektöründe satış tahminini ve müşteri davranışlarına dayalı öneri sistemlerini geliştirmek amacıyla yapılan çalışmaların teknik fizibilitesini incelemektedir. Temel hedefler şunlardır:

1. Veri Ön İşleme: 2022-2023 yıllarına ait 36 milyon satış kaydının temizlenmesi ve analiz için hazır hale getirilmesi. Bu süreçte işlem sayısı, toplam gelir ve son satın alma tarihinden bu yana geçen gün sayısı gibi temel metrikler hesaplanmıştır.
2. Model Geliştirme ve Eğitimi: Temizlenmiş veriler kullanılarak, müşteri tercihlerini tahmin eden ve ürün önerilerinde bulunan makine öğrenmesi modelleri geliştirilmiştir. Bellek yönetimi optimize edilerek veriler daha küçük parçalara ayrılarak işlenmiştir.
3. Eksik Veri İçin Mantıksal Çıkarımlar: Eksik müşteri-ürün çiftleri için mantıksal çıkarımlar yapılmış ve bu çıkarımlar, öneri sistemlerinin kritik bir bileşeni olarak kaydedilmiştir.
4. Öneri Sistemlerinin Otomasyonu: Kişiselleştirilmiş ürün önerilerinin otomatik olarak oluşturulması ve müşterilere sunulması süreçleri otomatikleştirilmiştir. Bu sayede müşteri deneyimi geliştirilmiş ve satış dönüşüm oranları artırılmıştır. 

Projenin Amacı

Proje ilk etapta şirket içerisindeki süreçlerin iyileştirilmesi amacı ile yola çıkılmıştır. İhtiyaç analizimiz doğrultusunda Offline ve online müşterilerin tek bir platformdan yönetilmesi, kişiselleştirilmiş kampanyaların ve puan sisteminin yönetilmesi ve KVKK'ya uygun şekilde veri tabanında tutulması gerekmektedir.

Dijital dönüşümün hız kazandığı çağımızda, işletmelerin müşteri verileri üzerindeki hakimiyeti, onların pazarlama stratejilerinin başarısında kritik bir rol oynamaktadır. Ancak bu verilerin yönetilmesi ve optimize edilmesi, karşılaşılan zorluklar ve mevzuat gereklilikleri nedeniyle kompleks bir süreç haline gelmiştir. 

• Tek Platformda Müşteri Yönetimi: İşletmeler, müşterileriyle farklı kanallar üzerinden etkileşimde bulunmaktadırlar. Bu kanalların başında fiziksel (offline) mağazalar, online mağazalar, sosyal medya platformları ve diğer dijital kanallar gelmektedir. Her kanal, kendi içerisinde farklı müşteri veri setlerini üretmektedir. Bu verilerin tek bir platformda toplanması, işletmelere müşterileri hakkında bütünsel bir görüş sunar. Bu, pazarlama stratejilerinin daha etkili bir şekilde kurgulanmasına olanak tanır.

• Kişiselleştirilmiş Kampanyaların Yönetimi: Müşterilerin alışkanlıkları, tercihleri ve ihtiyaçları farklılık göstermektedir. Bu nedenle, genel ve tek tip kampanyaların yerine, müşteri segmentlerine özel olarak tasarlanmış kişiselleştirilmiş kampanyaların yürütülmesi büyük önem taşımaktadır. Bu sayede, müşteri memnuniyeti artarak, marka sadakati güçlenir ve dönüşüm oranları yükselteceği öngörülmüştür. 

• Puan Sisteminin Yönetimi: Müşteri sadakati programları, tüketicilere markaya olan bağlılıklarını sürdürmeleri için teşvikler sunar. Ancak bu programların yönetimi, özellikle çoklu kanal kullanımı söz konusu olduğunda karmaşıklık arz edebilir. Müşterilerin kazandığı puanların, kullandığı avantajların ve özel tekliflerin tek bir platformda yönetilmesi hem şirkete operasyonel kolaylık sağlar hem de müşterilere kesintisiz bir deneyim sunmaktadır.

• KVKK Uyumlu Veri Yönetimi: Türkiye'de Kişisel Verilerin Korunması Kanunu (KVKK) gereği, müşteri verilerinin korunması ve uygun şekilde yönetilmesi zorunludur. İşletmeler, bu kanuna uygun olarak müşteri verilerini toplamalı, saklamalı ve gerektiğinde silmelidir. Ayrıca, bu verilerin güvende tutulması ve yetkisiz erişimlere karşı korunması da büyük önem taşımaktadır. 

Sonuç olarak, Analitik CRM projesi, işletmenin yukarıda belirtilen temel ihtiyaçlarına yanıt vermek üzere tasarlanmıştır. Bu ihtiyaçlar, müşteri veri yönetiminin karmaşıklığını ve şirket için taşıdığı stratejik önemi net bir şekilde ortaya koymaktadır. 

Proje içindeki en büyük inovasyon nedir? (yeni bir teknoloji veya var olan teknolojinin farklı kullanımı gibi. IOT, M2M, AI vb.)

Günümüzde verinin önemli bir varlık haline gelmesi, işletmeleri müşteri verilerini daha etkin ve stratejik bir şekilde yönetmeye yönlendirmiştir. Analitik CRM projesi, bu ihtiyaca yanıt vermek amacıyla kurgulanmıştır ve birçok yenilikçi yönüyle öne çıkar. Proje kapsamında üzerinde çalışılan başlıklar; 

Sinirsel İşbirlikçi Filtreleme (NCF) kullanılarak geliştirilen Ürün Tabanlı İşbirlikçi Filtreleme modeli, kullanıcı ve ürün etkileşimlerini optimize etmeyi amaçlamaktadır. Model, gömme katmanları, yoğun katmanlar ve doğrusal bir çıkış katmanı içerir. Modelin eğitimi, Adam optimizasyonu ve ortalama kare hata (MSE) kayıp fonksiyonu ile gerçekleştirilmiş, erken durdurma yöntemi kullanılarak aşırı uyum önlenmiştir. Model, eğitim seti üzerinde eğitilmiş ve test seti üzerinde doğrulanmıştır. Kullanıcı tabanlı öneri sistemi de Sinirsel İşbirlikçi Filtreleme (NCF) kullanılarak geliştirilmiştir. Model, kullanıcılar ve ürünler için gömme katmanları ile yoğun katmanları entegre etmektedir. Modelin eğitimi 20 epoch boyunca gerçekleştirilmiş, sonuçlar doğrultusunda modelin performans metrikleri değerlendirilmiştir. Tahmin fonksiyonu, kullanıcı gömümleri ile ürün gömümleri arasındaki nokta çarpımını kullanarak her bir müşteri için öğelerin sıralanmasını ve önerilmesini sağlamaktadır. 

FP-Growth algoritması kullanılarak, müşteri sepetlerine eklenebilecek ek ürünlerin belirlenmesi amacıyla sıkça birlikte satın alınan ürün kombinasyonları tespit edilmiştir. Bu süreçte, veriler temizlenmiş, işlemler müşteri kimliği ve satın alma tarihine göre gruplandırılmış ve FP-Growth algoritması ile sık ürün kümeleri oluşturulmuştur. Birliktelik kuralları oluşturularak, hangi ürünlerin birlikte satın alınma olasılığının yüksek olduğu belirlenmiştir. Bu çalışma, öneri sistemlerinin geliştirilmesi sürecinde kullanılan yöntemleri detaylı bir şekilde açıklamakta ve elde edilen sonuçları akademik bir perspektiften değerlendirmektedir. 

Bu çalışmanın amacı, perakende sektöründe faaliyet gösteren bir işletme için müşterilerin alışveriş deneyimini iyileştirmek amacıyla öneri sistemleri geliştirmektir. Öneri sistemleri, müşterilere geçmiş alışveriş alışkanlıkları ve ürün tercihlerine dayalı olarak kişiselleştirilmiş ürün önerileri sunarak hem müşteri memnuniyetini artırmayı hem de satışları artırarak sürdürülebilir büyüme sağlamayı hedeflemektedir. Bu çalışmada, makine öğrenimi ve veri madenciliği teknikleri kullanılarak etkin ve verimli bir öneri sistemi tasarlanması amaçlanmaktadır. 

Tek Platformda Müşteri Verisi Yönetimi 

Çoğu CRM sistemi ya offline ya da online müşteri verileri üzerinde yoğunlaşırken, bu proje hem offline hem de online kanallardan elde edilen müşteri verilerini tek bir platformda toplama ve yönetme yeteneğine sahiptir. Bu bütünsel yaklaşım, işletmelere müşteri davranışları hakkında daha derinlemesine ve kapsamlı bir görüş sunar. 

Ar-Ge Niteliği: RFM Analizi ve Segmentasyon 

Proje, müşteri verilerini sadece toplamakla kalmaz, aynı zamanda bu veriler üzerinde ileri düzey analizler gerçekleştirir. RFM analizi, Ar-Ge' nin bir ürünü olarak, müşterilerin satın alma davranışlarını değerlendirerek segmentlere ayırmaktadır. Bu segmentasyon, müşterilere daha özelleştirilmiş hizmetler ve kampanyalar sunma potansiyeli taşır. 

KVKK Uyumuyla Güncel Mevzuata Uyum 

Müşteri verilerinin KVKK'ya uygun olarak toplanması, saklanması ve işlenmesi, proje için kritik bir öneme sahiptir. Bu yaklaşım, projenin sadece teknik ve stratejik yönleriyle değil, aynı zamanda güncel yasal gerekliliklerle de uyumlu olduğunu göstermektedir. 

Proje kurum içindeki hangi bölüme fayda sağlamıştır?(satış, pazarlama, finans, İK, IT, Üretim, Planlama, Satın alma, Lojistik Müşteri İlişkileri gibi)

Proje, öncelikli olarak satış kanallarında önemli bir artış sağlayarak bu alandaki performansı artırmıştır. Bunu takiben, diğer departmanlara da yaygınlaşarak genel operasyonel verimliliği ve iş süreçlerini olumlu yönde etkilemiştir.

Projenin hayata geçirilmesi konusunda üst yönetimin desteğini tam olarak alabildiniz mi?

Projenin hayata geçirilmesi sürecinde üst yönetimin desteğini aldık ve bu destek, projenin stratejik hedefler doğrultusunda ilerlemesine önemli katkılar sağladı. Üst yönetim, hem kaynak sağlama hem de karar alma süreçlerinde proaktif bir şekilde sürece dahil olarak, başarıya ulaşmamızda kritik bir rol oynadı

Proje sonunda ortaya çıkan sonuçları analiz edebildiniz mi? Rakamsal verilerle ifade eder misiniz?(ROI, maliyetlerde yüzdesel azalma, üretim süresinde azalma, hata payının düşmesi vs.)

Bu projenin çıktıları, hedeflenen işlevsellikler ve yenilikçi yaklaşımlar doğrultusunda elde edilen somut sonuçları kapsayarak, projenin başarıyla tamamlanmasını ve sağladığı katma değeri özetlemektedir.

• Müşteri Segmentasyonu ile Ciro Artışı: Müşteri segmentasyonuna dayalı stratejiler kullanılarak, müşterilere doğru zamanda alışveriş fırsatları sunulmuş ve bu sayede şirketin cirosunda %5 (4.86) oranında önemli bir artış sağlanmıştır.
• Müşteri Memnuniyeti ve Sadakati: Proje kapsamında geliştirilen sistemlerle müşteri memnuniyeti ve marka sadakati kayda değer şekilde artırılmıştır, bu da tekrar eden satış oranlarına olumlu yansımıştır. Şu anki müşteri sayısı 7 milyon üzerinde rakamlara ulaşılmıştır. 
• Yenilikçi Öneri Sistemi Yaklaşımı: Perakende platformlarına yönelik olarak, all-MiniLM-L6-v2 ve vektör veritabanlarının kullanan bir öneri sistemi geliştirilmiştir. Bu sistem, gerçek zamanlı öneriler sunabilen verimli bir backend hizmet mimarisi ile desteklenmektedir.
• Öneri Motoru Performansı ve Kullanıcı Memnuniyeti: Öneri motorunun performansı, kullanıcı memnuniyeti üzerindeki etkisi de dahil olmak üzere, ampirik olarak değerlendirilmiştir. Bu analizler, öneri sisteminin müşteri deneyimine olan katkısını objektif verilerle ortaya koymaktadır. Anketler ile müşterilerden gelen geri bildirimler ile çalışmanın faydası net olarak görülmektedir. 

1. Müşteri Segmentasyonu: 

Projede gerçekleştirilen RFM analizi sayesinde, müşteri segmentasyonu başarılı bir şekilde yapılmıştır. Bu segmentasyon, müşteri davranışlarını ve alışkanlıklarını daha derinlemesine anlamayı mümkün kılar. Her segment, farklı ihtiyaçlara, beklentilere ve davranışlara sahip olduğundan, şirketlere onları daha etkin bir şekilde hedefleme ve hizmet sunma imkânı verir. 

2. Doğru Zamanlama ile Alışveriş Fırsatları: 

Segmentasyonun getirdiği bu derinlemesine anlayış, müşterilere doğru zamanda özel alışveriş fırsatları ve kampanyalar sunma olanağı sağlar. Bu doğru zamanlamayla, müşterilerin alışveriş yapma olasılığı artar, dolayısıyla şirketin cirosunda gözle görülür bir artış meydana gelir. 

3. Müşteri Memnuniyeti ve Sadakatinin Artışı: 

Müşterilere özelleştirilmiş kampanyalar ve teklifler sunma yeteneği, onların markayla olan ilişkisini güçlendirir. Müşterilerin ihtiyaçlarını ve beklentilerini doğru bir şekilde karşılayan bir şirket, müşteri memnuniyetini önemli ölçüde artırabilir. Bu projenin uygulanmasının bir sonucu olarak, müşteri memnuniyetinde ve sadakatinde belirgin bir artış gözlemlenmiştir. 

4. Daha Etkin Müşteri İlişkileri Yönetimi: 

Analitik CRM' in sağladığı yenilikçi yaklaşım, müşteri ilişkileri yönetimini (CRM) sadece bir veri toplama ve saklama aracı olmaktan çıkarıp, stratejik bir pazarlama ve satış aracına dönüştürülmüştür. Şirket, müşteri bilgilerini sadece saklamakla kalmaz, aynı zamanda bu bilgileri işleyerek satış ve pazarlama faaliyetlerini daha etkin bir şekilde yürütmektedir.

Sonuç olarak, Analitik CRM projesi, şirkete müşteri ilişkileri yönetiminde yenilikçi ve etkili bir yaklaşım sunmaktadır. Projenin beklenen çıktıları ve sağladığı faydalar, şirketin hem finansal performansını (%5 ciro artışı) hem de müşteri ilişkilerini (7 Milyon üzerinde müşteri) olumlu bir şekilde etkilemektedir. Özellikle müşteri memnuniyeti ve sadakatinin artırılması, uzun vadede şirketin rekabetçiliğini ve pazardaki konumunu güçlendirmektedir.

Projenizde şirket içinden kaç kişi aktif olarak görev almıştır? Ekip birimleri hakkında kısaca bilgi verir misiniz?

5

Projenizde (varsa)işbirliği kurduğunuz veya destek aldığınız bilişim şirketlerini belirtiniz.

Proje Eve Mağazacılık A.Ş. Tarafından Yapılmıştır. Araştırma ve model çalışmaları MEF Üniversitesi ile birlikte yürütülmüştür.

Proje sırasında kullandığınız ve spesifik önemi olan markaları (varsa) belirtiniz. (Yazılım veya donanım markaları)

-