<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0" xmlns:cc="http://cyber.law.harvard.edu/rss/creativeCommonsRssModule.html">
    <channel>
        <title><![CDATA[Stories by Ayça Nur İşçioğlu on Medium]]></title>
        <description><![CDATA[Stories by Ayça Nur İşçioğlu on Medium]]></description>
        <link>https://medium.com/@aycanurisciogluu?source=rss-2c304242596e------2</link>
        <image>
            <url>https://cdn-images-1.medium.com/fit/c/150/150/1*u-RpEIUJO2uRONBh2kCK7g.jpeg</url>
            <title>Stories by Ayça Nur İşçioğlu on Medium</title>
            <link>https://medium.com/@aycanurisciogluu?source=rss-2c304242596e------2</link>
        </image>
        <generator>Medium</generator>
        <lastBuildDate>Wed, 18 Nov 2026 08:03:35 GMT</lastBuildDate>
        <atom:link href="https://medium.com/@aycanurisciogluu/feed" rel="self" type="application/rss+xml"/>
        <webMaster><![CDATA[yourfriends@medium.com]]></webMaster>
        <atom:link href="http://medium.superfeedr.com/" rel="hub"/>
        <item>
            <title><![CDATA[Ölçümleme Problemleri (Measurement Problems)]]></title>
            <link>https://medium.com/@aycanurisciogluu/%C3%B6l%C3%A7%C3%BCmleme-problemleri-measurement-problems-25c845e7f480?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/25c845e7f480</guid>
            <category><![CDATA[measurement-system]]></category>
            <category><![CDATA[data-science]]></category>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Thu, 24 Nov 2022 10:39:24 GMT</pubDate>
            <atom:updated>2022-11-29T09:20:16.279Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*MDj-cOKrRFvK-q48" /><figcaption>Photo by <a href="https://unsplash.com/@christianw?utm_source=medium&amp;utm_medium=referral">Christian Wiediger</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>Bir ürünü bize satın aldıran nedir? Bir ürün almaya karar verdiğimizde ve bu ürün hakkında araştırma yaptığımızda ürün ile ilgili pek çok çeşit ve bilgiler karşımıza çıkmaktadır. E-ticaret sitelerinde de bu ürünlerle ilgili puanlar ve puan sayıları gibi çeşitli bilgilerin çok olması nedeniyle bu noktadan sonra seçim sürecimiz başlar. Ancak alternatiflerin çokluğundan dolayı bu seçim süreci herkes için zordur. Tam bu noktada satın alma kararlarımızı etkileyen bazı faktörler vardır. Bu faktörlerin arasında son yıllarda öne çıkan en önemli faktörlerden birisi “social proof” yani “sosyal ispat” kavramıdır. Bu kavram satın almamızı en fazla etkileyen sebeplerden birisidir.</p><p>Peki bu sosyal ispat nedir? Ürün ile ilgili yaptığımız çeşitli araştırmalar aracılığıyla edindiğimiz bilgiler doğrultusunda toplumun o ürüne ne tepki verdiğidir. Anlaşılacağı üzere sosyal ispat kavramı bir ürünlerle ilgili kullanıcıların yorumları, puanları ve dolayısıyla o ürünü kullanmış olan topluluğun kanaatidir. Eğer insanlar bir ürünü onaylıyor ise o ürünü alırız ancak onaylamıyorlarsa o ürünü almaktan kaçınırız. Bu durum kısaca kalabalıkların bilgeliğine olan inançtır.</p><p>Bundan sonra ne olacak peki? Örneğin ürünlerin kalabalıklığından sıyrılarak seçimimizi 2 ürüne indirgediğimizi düşünelim. Fiyat ve markadan bağımsız bir karar vereceğimizi var sayacak olursak öncelikle puanı fazla olan ürünün tercih edileceğini düşünüyorum. Diğer adımımızda bu ürüne yapılan yorum sayısı geldiğinde durum çoğu zaman farklı bir boyut alabilmektedir. Bunun nedeni ise ürünün puanı yapılan yorum sayısından etkilenmektedir. Şimdi size başka bir soru yöneltecek olursam cevabınız değişir mi? Örneğin seçmiş olduğumuz 5 tam puana sahip olan ürünümüzün yorum sayısı 10 iken bu ürünün puanına kıyasla görece daha düşük olan diğer bir ürünün 4.5 puanı ve 1000 tane de yorum sayısı olduğunu varsayalım. Bu sefer seçimimiz puanı düşük ama yorum sayısı fazla olan ikinci seçenek olur değil mi? Neden puanı daha düşük olanı seçeriz peki? Bunun nedeni karar verme sürecimizi sosyal ispat kavramının kuvvetli bir şekilde etkilemesidir. Bundan dolayı düşük puan bilinmezliğin riskinden daha güvenilir kanısına sahip olacağız.</p><p>Satın alma sürecimizde satıcıların rolü nedir peki? Öncelikle satıcının “Kullanıcılara en doğru şekilde ürünleri nasıl ulaştırmalıyım?” şeklinde bir kaygı taşıması gerekmektedir. Burada sosyal ispat ve puanın olması gerektiği objektiflik ve doğru şekilde verilmesi en hassas konudur. Satıcıların bunu manipüle etmekten sakınacak şekilde sunması gerekmektedir. Bu durum ise ancak ürünlere yapılan yorumların sıralamaları ve ürün puanlarının doğru bir şekilde hesaplanması ile mümkündür.</p><p>Artık müşteri değil satıcı tarafından koyuya yaklaştığımız zaman sürecin bu kısmına geldiğimizde karşılaşacak olduğumuz bir takım problemler vardır. Burada yapılması gereken şey ağırlıklı ortalamayı seçmek mi olur yoksa daha farklı şeyler mi uygulanmalıdır? Evet, farklı şeyler de uygulanmalıdır. Ürünlerin sıralanması yapılırken de bu ürünlerin belirli kriterlere göre sıralanması gerekmektedir. Bu konuda birden fazla durum söz konusudur. Sıralama yapılırken satın alma sayısına göre mi? Yorum sayısına göre mi? Yoksa puana göre mi yapılmalıdır? Hemen ardından ortaya çıkan bir diğer sorun ise ürünlerin detay sayfalarında yer alan kullanıcı yorumlarının sıralanmasıdır.</p><p>Tahmin edersiniz ki bazı yorumlar iyi, bazıları kötüdür. Bu yorumlar nasıl sıralanmalıdır? Bunun dışında sayfa, süreç ve etkileşim alanlarının tasarımları nasıl olmalı hangi renkler gibi bu faktörler nasıl göz önünde bulundurulmalıdır. Pek farkında olmasak da aslında bu durum kullanıcıların deneyimlerini etkilemektedir.</p><p>Tüm bu satın alma sürecini etkileyen faktörlerin hesaplanmasının altında belli başlı kavramlar yer almaktadır. Bu yöntemler şunlardır; ürün puanlandırma, ürünleri sıralama, yorumları sıralama ve A/B testidir. Bu yazıda bir e-ticaret sitesinde yer alan ürünü puanlama (rating products) üzerinde duracağım.</p><p>Ürün puanlama (Rating Products)</p><p>Ürün puanlama konusunda olası faktörleri göz önünde bulundurarak ağırlıklı ürün puanlandırma işlemleri gerçekleştirilmektedir. Örneğin çeşitli platformlarda yer alan bazı ürünleri düşünecek olursak 5 üzerinden puanların verildiği olumlu ve olumsuz yorumların yer aldığı bir puan hesaplamasında bir ürün 4.3 puan almış olsun diğer tarafta da olumsuz yorumlarının da olmasına rağmen 5 puan almış olan bir ürün olsun. Bu durum herkes için kafa karıştırıcı olmaz mı? Yoksa bunun bir amacı mı var? Belirli bir daha kayda değer bilgi mi taşıyor acaba? Buna benzer bir problem üzerinden şirketlerin ürünlerinin puanlarını hesaplanmak için kullandıkları yöntemlere kabaca bir göz atacak olursak dört farklı yöntemden söz etmek mümkündür. Bunlardan ilki bir ürüne verilen puanların ortalama ağırlığına göre yapılan hesaplamadır. Ancak bu yöntemde göz ardı edilen pek çok durum söz konusudur. Söz konusu ürün çok uzun zamandır satışta ise ürünün zamana bağlı olarak değişimi de söz konusu ise bu hesaplama ürünün puanlaması konusunda yetersiz kalmaktadır. Bu durumun (zaman faktörünün) göz önünde bulundurularak yapıldığı hesaplama ise Puan Zamanlarına Göre Ağırlıklı Ortalama’dır (Time-Based Weighted Average). Burada yapılan hesaplama ürünün satışta olduğu gün toplamının çeyreklik zaman dilimlerine göre ağırlıklandırılarak yüzdelik hesaplanması ile elde edilir. Ancak bu da bir ürünü puanlandırmak için her zaman yeterli gelmez. Örneğin alınacak ürün bir materyalden ziyade bir hizmet olduğunda işin içerisine daha farklı etkenler girmektedir. Örneğin online bir eğitim hizmetini ele alalım. Burada puan hesaplaması yapılırken dikkat edilmesi gereken bir husus kullanıcıların eğitimin yüzde kaçını bitirdiği olmalıdır. Bu durumun (hizmetten faydalanma durumunun) göz önünde bulundurularak yapıldığı hesaplama da ise Kullanıcı Temelli Ağırlıklı Ortalama (User-Based Weighted Average) hesaplanmaktadır. Kullanıcı Temelli Ağırlıklı Ortalama hesaplanırken kullanıcıların hizmeti kullanma oranına göre ağırlıklandırılarak yüzdelik hesaplanması ile elde edilir. Ancak sadece bu hizmetin kullanılma durumu çerçevesinde yapıldığı için yine sağlıklı bir hesaplama yapıldığından bahsetmek mümkün değildir. Tam da bu noktada devreye Ağırlıklı Derecelendirme (Weighted Rating) girerek Zaman ve Kullanıcı temelli hesaplamaları da içinde barındırarak hesaplanır. Bu yöntem ile diğer hesaplamalara oranla daha sağlıklı bir sonuca ulaşılır. Ardından yapılması gereken tek şey hesaplamanın içindeki değişkenlerin hangisine ne kadar yüzdelik oran verilmesi gerektiğine karar vermektir.</p><p>Herhangi bir satın alma sürecinde satıcıların “Kullanıcılara en doğru şekilde ürünleri nasıl ulaştırmalıyım?” kaygısının nasıl çözüleceğini öğrendiğimize göre bir alıcı olduğumuz zaman farkında olmadan yaptığımız şeyin nedeni hakkında da bilgi sahibi olduk. Tabi bu durumun sadece bunlarla sınırlı kalmadığını tam da bu noktada tekrar belirtmek isterim. Bir sonraki yazımda bu sürecin içerisinde yer alan diğer yöntemlerden bahsedeceğim. Şimdilik kendinize iyi bakın güzel insanlar.</p><p>Ölçümleme problemleri üzerine Amazon verileri ile yapmış olduğum çalışmamın detaylarına GitHub sayfamdan ulaşabilirsiniz.</p><p><a href="https://github.com/aycanuriscioglu/AMAZON_Measurement_Problems">aycanuriscioglu/AMAZON_Measurement_Problems (github.com)</a></p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=25c845e7f480" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Değişmeyen Tek Şey? Mi?]]></title>
            <link>https://medium.com/@aycanurisciogluu/de%C4%9Fi%C5%9Fmeyen-tek-%C5%9Fey-mi-9e3aeffad36f?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/9e3aeffad36f</guid>
            <category><![CDATA[change]]></category>
            <category><![CDATA[philosophy]]></category>
            <category><![CDATA[essay]]></category>
            <category><![CDATA[sociology]]></category>
            <category><![CDATA[essay-writing]]></category>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Wed, 02 Nov 2022 16:23:19 GMT</pubDate>
            <atom:updated>2022-11-02T16:23:19.507Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*5HCq9nDAMD3Pw7IS" /><figcaption>Photo by <a href="https://unsplash.com/@soymeraki?utm_source=medium&amp;utm_medium=referral">Javier Allegue Barros</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>Hayata dair bildiğimiz her şey.. Acaba ilk günkü düzeninde mi? Bu sorunun cevabı belki de kısmi olarak “Evet” olacak. Bilemeyiz…</p><p>Öncelikle hayata dair her şeyin ilk günkü gibi olmadığını biliyoruz. Ancak burada hemfikir miyiz? Ateşin bulunmasından ya da tekerleğin icat edilmesinden bahsetmeyeceğim. Bahsedeceğim zaman dilimi günümüze tarih öncesi çağlara göre nispeten daha yakın, daha güncel sayılabilecek bir zaman dilimi.</p><p>20. yüzyılın son çeyreğinden itibaren toplumsal yaşamın her alanında ortaya çıkan gelişmeleri isimsel olarak tanımlamak amacıyla kullanılan küreselleşme süreci; bilgide, teknolojide, etkileşimde, iletişimde, ulaşımda, haberleşmede, finansal piyasalarda yerel ya da bölgesel, ulus sınırlarını aşındıran, ülkeler arasında ekonomik, kültürel, sosyal ve siyasal hareketliliklerin hızına ve sıklığına işaret etmektedir. Peki bu değişim nasıl ve ne zaman başladı?</p><p>Bu değişim aslında insanlık tarihi boyunca hep vardı.. Peki o zaman neden küreselleşme veya küresel çağ? Çünkü günümüz bunun üzerine inşa edildi ve gelecek ise bugünün üzerine inşa edilmeye devam ediyor. McLuhan dünyanın özellikle iletişim teknolojilerindeki gelişmelerden dolayı gittikçe ‘küresel köy’ haline gelmekte olduğunu belirterek küreselleşmeyi tarif etmiştir. Küreselleşme üzerinde net bir tanımlama ya da fikir birliği oluşturulamadığı gibi, iki zıt kutupta incelenmektedir. Bunlar kavramı olumlu ve olumsuz yorumlayanlar olarak ikiye ayrılmaktadır. Olumlu bir durum olarak yorumlayanlara göre çağdaşlaşma ve gelişim odaklı olduğundan önüne geçilmemesi gerekilen bir süreçtir. Süreci olumsuz yorumlayanlara göre kavramın ideolojik dayanağı Neo-liberalizmdir. Neo-liberal politikaları basit bir devlet piyasası olarak değerlendirmek onun sadece emek piyasası ya da istihdam yapısı üzerindeki etkilerle değerlendirmek olur. Ancak Neo-liberalizm sadece bu piyasa içinde gerçekleşen değişimlerle sınırlı değildir. Bununla beraber siyasal ve toplumsal yansımaları da olan, çok daha kapsamlı ve derinlemesine etkiler yaratan bir süreçtir. Söz konusu bu süreçten olumsuz etkilenen bireylerin yaşamında da pek çok riskler ortaya çıkmaktadır.</p><p>Ancak hepimizin de bildiği gibi risk kavramı sadece yakın döneme ait bir kavram da değildir. Çünkü genel olarak risk, çağlardan beri karşılaşılabilecek tehlikeli durumları ve insanların endişelerini anlatmak üzere kullanılan bir sözcüktür. Bu tanım çerçevesinde, insanlar çağlar boyunca kendisini tehdit eden tehlike ve risklerle sürekli karşı karşıya kalması riskleri insanlık tarihi kadar eski kılmaktadır. Ancak çağlar öncesi kullanımı ile günümüzdeki kullanımı arasında anlam ve içerik yönünden farklılıklar bulunmaktadır.</p><p>Konumuzun özüne yani “Hayata dair bildiğimiz her şey ilk günkü düzeninde mi?” sorumuza dönecek olursak sanırım artık bunun cevabını sağlıklı bir şekilde verebiliriz. Aynı hisler varken farklı nedenler.. Bu da bizi “Değişmeyen tek şey değişimin kendisidir” diyen Herakleitos’tan bir adım ileri de “Evet bir değişim var ve evet bu değişim süreklilik içerisinde ucu bucağı yok. Ancak değişmeyen tek şey bu değil, değişim üzerine konuşulurken sadece dış dünya söz konusu olmamalıdır. Bu değişimi en derinden yaşayan bizlerin yani insanların hisleri yok sayılarak değişim sadece maddi ögelerle sınırlandırılmamalıdır. Çünkü işin özünde insanların hisleri yani bizi insan duygularımızda da değişmeyen bir takım şeyler var.” dememize neden olmaktadır.</p><p>İlk çağlarda dere kenarında ilk defa balık tutan bir çocuk ile bugün yazı yazmayı öğrenen bir çocuğun heyecanı, mutluluğu ya da hevesi arasında açıkçası ben bir fark göremiyorum.. Peki ya siz?</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=9e3aeffad36f" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Müşteri Yaşam Boyu Değeri]]></title>
            <link>https://medium.com/@aycanurisciogluu/m%C3%BC%C5%9Fteri-ya%C5%9Fam-boyu-de%C4%9Feri-ba5b5716f55c?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/ba5b5716f55c</guid>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Thu, 20 Oct 2022 09:08:24 GMT</pubDate>
            <atom:updated>2022-10-20T09:08:24.822Z</atom:updated>
            <content:encoded><![CDATA[<h3><strong>( Customer Lifetime Value )</strong></h3><figure><img alt="" src="https://cdn-images-1.medium.com/max/1021/1*zz5RTfF6meQ1woRzd1k3cg.jpeg" /></figure><p>Müşteri yaşam boyu değeri nedir? Bir müşterinin bir şirketle kurduğu ilişki ya da iletişim süresince bu şirkete kazandıracağı parasal değer, CLTV olarak bildiğimiz müşteri yaşam boyu değeridir. Kısaca müşterilerin yaşam boyu değeri hesaplandığında müşterilerin şirketle kuracağı ilişki süresince şirkete bırakacakları mali değerin ortalama ne olabileceğini belirlemiş oluruz. Peki bu neden önemlidir? Müşterilerin gelecekte şirkete sağlayacak olduğu fayda eğer belirlenirse bu doğrultuda hem şirket onlarla olan ilişkilerini düzenleyebilir hem de şirket orta-uzun vadeli, daha müşteri odaklı, daha katma değer odaklı bir yaklaşım sergileyebilir. Bu aynı zamanda pazarlama faaliyetleri için ayrılacak olan bütçelerinde belirlenmesinde bir rol oynayabilir. Bu şekilde şirketler var olan müşterilerin tahmini getirileri ve yeni müşteri edinme maliyetleri arasında bir karşılaştırma yapabilirler.</p><p>Müşteri yaşam boyu değeri nasıl hesaplanır? Öncelikle şunu söylemek isterim ki, CLTV hesaplamanın pek çok yöntemi vardır. Bu değeri hesaplamak ve tahmin etmek arasında da bir o kadar farklılıklar vardır. Bu yazımızda CLTV değeri hesaplama üzerinde duracağız.</p><p>Birçok büyük firmanın yerli yabancı en büyük dertlerinden birisi müşteri yaşam boyu değerini hesaplamaktadır. Burada görecek olduğumuz bu yöntem bunu yapmak için güzel basit uygulanabilir bir yöntemdir.</p><p>CLTV değerini hesaplamak için aşağıdaki işlemleri yapacağız;</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/876/1*4CWt9mw7WuMSLqx3Thu3EA.png" /></figure><p><strong>Customer Value</strong> değeri Average Order (satın alma başına ortalama kazanç) ve Purchase Frequency (satın alma frekansı) çarpımı ile elde edilir.</p><ul><li>Average Order Value yani satın alma başına ortalama kazanç ise Total Price’ın (bir müşterinin şirkete bıraktığı toplam maliyet) Total Transaction’a (o müşterinin toplam işlem sayısına) bölünmesi ile elde edilir.</li><li>Purchase Frequency (satın alma sıklığı) ise Total Transaction’ın (müşterinin bir şirkette yaptığı toplam işlem sayısı) Total Number of Customers’a (şirketin toplam müşteri sayısı) bölünmesi ile elde edilmektedir.</li></ul><p><strong>Churn Rate</strong>, müşteri terk oranı anlamına gelmektedir. Bu değer şirketlerin belirlemiş olduğu bir orandır ve sabittir. 1-Repeat Rate ile hesaplanmaktadır. Repeat Rate yani elde tutulan müşteri oranına ihtiyaç vardır. Bu ise birden fazla alışveriş yapan müşteri sayısının tüm müşterilere bölünmesi ile elde edilmektedir.</p><p><strong>Profit Margin</strong>’da şirketlerin müşteriler ile yapmış olacağı alışverişlerde varsayımsal bir kar miktarıdır. Bu değer Total Price (kişilerin şirkete bıraktığı gelir) ile kâr marjının çarpılması sonucu elde edilir.</p><p>Şimdi bu işlemler doğrultusunda örnek bir hesap yapalım.</p><p>Total Number of Costumers:100</p><p>Churn Rate:0.8</p><p>Profit:0.10</p><p>Değerleri bir şirketin toplam müşteri sayısı, müşteri terk oranı ve varsayımsal kar miktarı yukarıdaki gibidir. Bunu şirketin bir müşterisine uyarlayalım ve hep beraber bu müşterinin yaşam boyu değerini hesaplayalım. Söz konusu müşterinin alışveriş hareketleri aşağıda yer almaktadır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/355/1*VHc-i1DjV11r0kWh5lopVw.png" /></figure><p>Öncelikle Customer Value (CV) değeri için Average Order ve Purchase Frequency değerlerine erişmemiz gerekmektedir.</p><p>· Average Order için; 1200/3=400</p><p>· Purchase Frequency için; 3/100=0.03</p><p><strong>CV=400*0.03=12</strong></p><p><strong>Churn Rate = 0.8</strong> olarak önceden verilmişti.</p><p>Profit Margin= 1200*0.10</p><p><strong>Profit Margin=120</strong></p><p>CLVT formülümüzü hızlıca hatırlamamız gerekirse;</p><p><strong>CLTV= (CV(Custumer Value)/Churn Rate)*Profit Margin</strong></p><p>Hesapladığımız sonuçları formüldeki yerlerine yazalım;</p><p><strong>CLTV= (12/0.8)*120</strong></p><p><strong>CLTV=1800</strong></p><p>Bu müşterinin Customer Lifetime Value değeri 1800 olarak hesaplanmıştır.</p><p>Sonuç olarak her bir müşteri için hesaplanan CLTV değerine göre bir sıralama yapıldığında ve CLTV değerlerine göre belirli noktalardan bölme işlemleri yapılarak gruplar oluşturulduğunda müşteriler segmentlere ayrılmış olacaktır.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=ba5b5716f55c" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[RFM İLE MÜŞTERİ SEGMENTASYONU]]></title>
            <link>https://medium.com/@aycanurisciogluu/rfm-i%CC%87le-m%C3%BC%C5%9Fteri%CC%87-segmentasyonu-84b50ca66c8d?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/84b50ca66c8d</guid>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Wed, 19 Oct 2022 13:36:44 GMT</pubDate>
            <atom:updated>2022-11-01T08:38:13.643Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*UFhiV3JSPKbgTdpX" /><figcaption>Photo by <a href="https://unsplash.com/es/@chadwiq?utm_source=medium&amp;utm_medium=referral">Chad Walton</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>Uzun yıllardır iş hayatında olan ve oldukça yaygın bir kullanıma sahip olan RFM analizi aslında CRM analitiğinin müşteri segmentasyonudur. Özetlemek gerekirse RFM analizi, müşteri segmentasyonu için kullanılan bir tekniktir. Bu analiz yöntemi ile müşteriler, satın alma alışkanlıkları üzerinden gruplara ayrılır ve bu gruplar özelinde stratejiler geliştirilir.</p><p>RFM, adı Recency(Yenilik), Frequency (İşlem Sıklığı) ve Monetary (Parasal değer) ifadelerinin baş harflerinden meydana gelmektedir. Bu üç başlığın altında ayrı ayrı bulunan veriler mevcuttur. Bu değerler hem kendi içlerinde hemde birbirleriyle karşılıklı incelenlebilir verilere sahiptirler. Recency değeri müşterinin yenilik ya da bizden en son ne zaman alışveriş yaptığı durumunu ifade etmektedir. Örneğin 1 müşterinin Recency değeri 1 başka bir müşterinin ise 10 olsun. Recency değeri 1 olan müşteri bizim için daha iyidir. Çünkü bu değer müşterinin sıcaklığını yani en son ne zaman alışveriş yaptığını belirtmektedir. Frequency değeri de sıklık üzerinden oluşmaktadır yani kısaca bir müşterinin yaptığı toplam alışveriş sayısını ifade etmektedir. Bir diğer ifadeyle işlem sayısı da denilebilir. Örneğin bir müşteri 10 işlem yapmış olsun, başka bir müşteri ise 40 işlem yapmış olsun. 40 işlem yapan müşteri daha önemlidir. Bu şekilde her bir müşterinin satın alma sıklığı ya da diğer ifadesiyle işlem sıklığı hesaplanarak Frequency değeri tespit edilmiş olur. Son metriğimiz olan Monetary ise müşterilerin bize bıraktığı parasal değeri ifade etmektedir.</p><p>RFM ile ilgili örnek bir çalışmaya aşağıdaki linkten ulaşabilirsiniz</p><p><a href="https://www.kaggle.com/code/ayanuriolu/rfm-le-m-ter-segmentasyonu">RFM İLE MÜŞTERİ SEGMENTASYONU | Kaggle</a></p><p>RFM’in bu kısa tanımından sonra gelin bir de bu analiz nasıl yapılıyormuş ona bakalım.</p><p>Örneğin elimizde 1000 kişilik bir müşteri listesi ve bu müşterilerin R, F, M değerlerini barındıran bir tablo olsun.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/652/1*TMqDVJjqAf8_gII6Efz2CA.png" /></figure><p>Birinci müşteriyi incelediğimizde en son 80 gün önce alışveriş yapmış olduğunu, alışveriş sıklığının frekansının 250 olduğunu ve bırakmış olduğu parasal değerin 5200 olduğunu görmekteyiz. Ancak bu durum tablonun hepsini yani 1000 kişinin hepsini incelerken bize zorluk çıkartabilir. Elimizdeki R, F ve M değerlerinin farklı ölçeklerde olmasından kaynaklı onlara belirli bir skor değerleri atayarak farklı ölçeklerdeki değerlerin hepsini aynı cinsten ifade edebiliriz. Bu şekilde aslında bir çeşit standartlaştırma işlemi yapılmaktadır ve amaç hepsini hem kendi içinde hem de birbirleri arasında kıyaslanabilir bir formata getirmektir. Yukarıdaki tabloda bulunan değerlerin hepsini 1 ile 5 arasındaki skorlara çevirdiğimizde tablomuz aşağıdaki gibi olacaktır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/622/1*Ump8JgO---n605W7vC0G1A.png" /></figure><p>Bu şekilde eski değeri 5200 olan birinci müşterinin Monetary değeri artık 5 ile ifade edilmektedir.</p><p>Buradaki değerler arasında en büyük değerin 5 ve en küçük değerin 1 olduğunu biliyoruz.</p><p>Ancak bu durum Recency için farklılık taşımaktadır. Çünkü Recency değeri bize müşterinin yeniliği ile ilgili bilgi verdiğinden dolayı en küçük değer (skor tablosu için bu değer 1’dir) aslında en yüksek sonuca işaret etmektedir. Kısaca Recency değeri için 5 aslında en iyi anlamı taşımaktadır başka bir şekilde ifade edecek olursak Recency değerinin 5 olması o müşterinin çok kısa bir süre önce alışveriş yaptığı anlamına gelmektedir. Ardından oluşturmuş olduğumuz RFM skorlarını tek bir sütunda birleştiriyoruz.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/657/1*Og5v03d3T15PxRSeCH66hg.png" /></figure><p>Örneğin RFM’i 555 olan mı yoksa 111 olan bir müşteri mi şirket için daha değerlidir? Öğrendiklerimizden sonra artık hepimiz diyebiliriz ki, evet, 555 olanlar daha değerlidir. Neden? Çünkü bu müşteri Recency’de 5 puan almış Frequency’de 5 puan almış, Monetary’de 5 puan almış. 555 skoru bu durumda demek ki bu kişi şirket için en değerli müşteri anlamına gelmektedir.</p><p>RFM skorunun ortaya çıkaracağı çok fazla sayıda kombinasyon vardır. Bütün bu kombinasyonlarla tek tek uğraşmamak adına RFM skorları üzerinden segmentler oluşturulur. Bu skorlar sektörde yaygın bir şekilde kullanılan 2 boyutlu bir görsel üzerinden yapılmaktadır.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/843/1*pJ3mxgoc_6-J9xFlSDftLQ.png" /></figure><p>Bu görselde x ekseninde Recency değeri var, Y ekseninde Frequency değeri vardır. Ancak dikkat ettiyseniz Monetary değeri bu görselde yoktur. Bunun nedeni ise müşterilerin şirketle kurduğu ilişkiler ve bu ilişkilerin frekansları parasal işlemlerden daha önemli olmasıdır. Çünkü zaten şirketle sürekli bir ilişki içerisinde olan bir müşteriye daha fazla satış gerçekleştirebilir.</p><p>Bu haliyle yorum yapılacak olursa örneğin bakın Recency değeri 5 ve Frequency değeri 5 olanlar şampiyonlar grubudur.</p><p>Recency oldukça yeni bir müşteri olarak değerlendirilirken burada ele alınan yenilik kapsamı alışveriş yapma anlamında yani çok yakın bir zamanda alışveriş yapmış anlamındadır. Frequency yani sıklık skorununda 5 olması o müşterinin sıklıkla alışveriş yaptığı anlamına gelmektedir. Bu sonuç müşterinin güncel bir şekilde kısa aralıklarla fazla alışveriş yaptığının bir göstergesi olduğu için şirket tarafından şampiyon olarak görülmektedir.</p><p>Bu şekilde müşterileri segmentlere ayırmak şirket tarafından satış, pazarlama, iletişim yöntemlerini belirleyebilir.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=84b50ca66c8d" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[CRM ANALİTİĞİ]]></title>
            <link>https://medium.com/@aycanurisciogluu/crm-anali%CC%87ti%CC%87%C4%9Fi%CC%87-c9e06b158499?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/c9e06b158499</guid>
            <category><![CDATA[crm]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[crm-analytics]]></category>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Wed, 19 Oct 2022 11:22:43 GMT</pubDate>
            <atom:updated>2022-10-19T20:24:18.232Z</atom:updated>
            <content:encoded><![CDATA[<figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/0*CAgbIZpckui46qaq" /><figcaption>Photo by <a href="https://unsplash.com/@dlxmedia?utm_source=medium&amp;utm_medium=referral">dlxmedia.hu</a> on <a href="https://unsplash.com/?utm_source=medium&amp;utm_medium=referral">Unsplash</a></figcaption></figure><p>· <strong>CRM,</strong> müşteri ilişkileri yönetimi ifadelerinin baş harflerinden meydana gelmektedir. Bir şirketimiz varsa bu şirketin müşterileri ile gerçekleşecek olan iletişimin yönetilmesi söz konusudur. Buna müşteri ilişkileri yönetimi demektir. CRM müşteri ilişkileri yönetimi çerçevesinde bize müşteriler ile kurulacak olan iletişimi daha farklı açılardan daha yüksek farkındalıklar ile gerçekleştirme imkânı sağlar. Bunlar şu şekildedir;</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/742/1*A1dIPsJUX1BDk7N7azUn7A.png" /></figure><p>· <strong>Müşteri yaşam döngüsü,</strong> müşteriler ile kurulan iletişimi ya da etkileşimi görsel teknikler ile ifade edip bunları çeşitli Keypı ile takip edilebilir bir forma getirip takip etme imkanı sağlayan kavramlardır. Müşteri yaşam döngüleri, müşterilerin, şirketle olan süreçlerini hem görsel hem de takip etme anlamında tasarlayan süreçlerdir.</p><p>· <strong>İletişim</strong>, müşteriler ile gerçekleşecek olan iletişimin bir dili rengi olmalıdır. Görseller ya da kampanyalar tasarlanacak olduğunda bunların da birer mesajı ve sinyali olmalıdır. Örneğin son zamanlarda birçok şirket yeni nesle hitap etmek için bazı sosyal medya kanallarını kullanmakta ve o kanallarda çeşitli kullanıcılar ile şakalaşma yollarını tercih etmektedir.</p><p>· <strong>Müşteri edinme</strong> ya da müşteri bulma çalışmaları ise online kanallardan ya da offline kanallardan yeni müşteriler bulmak için harcanan çabaları ifade etmektedir. Bu çabalar bazen dijital pazarlama yolları ile yapılabilirken bazen daha fiziki promosyon billboard ya da afiş, broşür dağıtmak gibi yollarla da gerçekleştirilebilir. Özetle buradaki çalışmalarda şirketler yeni müşteriler bulmaya çalışmaktadır.</p><p>Fakat pazarlama stratejilerine göre yeni müşteri bulmak var olan müşteriyi elde tutmaktan daha maliyetlidir.</p><p>· Bu sebeple CRM çalışmalarının önemli bir kısmı var olan <strong>müşteriyi elde tutma </strong>çabaları üzerinden gerçekleşmektedir. Çünkü benim olan, beni beğenen ve hizmetlerimi ve ürünlerimi kullanan müşteriler varken bunu elimde tutmaya çalışmalıyım gibi bir şirket motivasyonunu ifade eder.</p><p>· Bu kapsamda karşınıza gelebilecek<strong> cross-sell </strong>ve <strong>up-sell </strong>kavramları ise şu şekildedir;</p><p><strong>Cross-sell</strong> temelde tamamlayıcı ürünlerin satışını ifade eder. Örneğin, bir kişi hamburger aldıysa ona patates kızartması ve kola da satalım der.</p><p><strong>Up-sell</strong> ise özetle daha fazla satış yapma çalışmalarıdır. Örneğin bir kişi küçük boyutlu bir kol aldıysa ona büyük boyutlu bir kola satalımı ifade eder.</p><p>· <strong>Müşteri segmentasyonu</strong> çalışmaları da bir markanın müşterileriyle bir iletişim sergilerken, onlarla etkileşim içerisindeyken hepsini aynı kabul etmek yerine bu müşterileri alt segmentlere ayırarak daha odaklı, daha verimli, daha faydalı olabilecek şekilde iletişim kurmasıdır. Bu çalışmaların temelinde kaynağın sınırlı ve yapılacak işin fazla olması gibi problemleri vardır.</p><p>Tüm bunlar CRM çerçevesinde karşımıza gelebilecek çalışmalardır. Yukarıda dile getirilen kavramların hepsi ya geleneksel yöntemlerle ya da bazı çabalarla kural tabanlı diyebileceğimiz yöntemlerle gerçekleştirilebilir. Fakat bunun yanında bizim CRM analitiği çalışmalarıyla amacımız tüm müşteri ilişkileri sürecini veriye dayalı olarak daha verimli hale getirmeye çalışmaktır. Yani yukarıda saymış olduğumuz maddelerden müşteri terk, yeni müşteri bulma, çapraz satış, up-sell, müşteri segmentasyonu gibi çalışmaların tamamı bir şekilde veri bilimi ve veri analitiği süreçleriyle ele alınıp daha verimli hale getirilmeye çalışılır. Bu çabaya CRM analitiği denir.</p><p><strong>KPIs- KEY PERFORMANCE INDICATORS (TEMEL PERFORMANS GÖSTERGELERİ)</strong></p><p>KPIs<strong> </strong>bir şirket departmanının ya da çalışanlarının performansları ölçülmek istendiğinde bunları sözel kavramlardan ziyade çeşitli matematiksel temsiller ile ifade edilmesi durumudur. Bunlara örnek verecek olursak;</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/553/1*eRw00uXLasxgTVGpFDADjw.png" /></figure><p><strong>KOHORT (COHORT) ANALİZİ</strong></p><p>Cohort, ortak özelliklere sahip bir grup insan demektir. Cohort analizi ise ortak özelliklere sahip bir grup insan davranışlarının analizidir. Örneğin müşteri terki ele alındığında buradaki cohort tek eden müşterilerden oluşan bir grup insandır. Bunun analizi ise zamana göre müşterilerin terk oranlarının incelenmesi demektir. Başka bir örnek daha verilecek olursa, örneğin müşteri elde tutma oranı, ortak bir davranışı sergileyen insanlara verilerimizi indirgeyerek bunu analiz etmedir. Cohort analizi bu şekilde ortak özelliğe sahip bir grup insan davranışının analizidir.</p><p>Bunu da bir örnekle değerlendirelim. Aşağıdaki grafikte bir uygulama şirketinin uygulamasına ilişkin bir veri seti yer almaktadır. Satırlar, uygulama indirilen tarihleri, sütunlarda bu tarihlere göre elde tutma oranlarını ifade etmektedir.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/650/1*_ZTDGTt3-NRgpHl0LRfWZw.png" /></figure><p>Gelin hep beraber burada belirli bir tarihteki durumu beraber okumaya çalışalım. Uygulamanın sıfırıncı gününe baktığımızda toplam kullanıcı sayısı 139.443 olarak görmekteyiz. Birinci güne baktığımızda ise sıfırıncı günde yani uygulamanın indirildiği gündeki kullanıcıların %40’ının elde kalmış olduğunu görmekteyiz. İkinci günde elde tutma oranı düşmeye devam etmiştir. Üçüncü günde elde tutma oranı yine düşmüştür. Dördüncü günde biraz daha düşmüştür. Evet anlaşılacağı üzere satırlardaki tarih eksenine ve sütunlardaki gün bilgisine göre, belirli bir tarihten o tarih sonrasındaki günlere doğru bir bakış gerçekleştirdiğimizde elimizdeki müşterilerin kalma oranına erişmiş olduk.</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=c9e06b158499" width="1" height="1" alt="">]]></content:encoded>
        </item>
        <item>
            <title><![CDATA[Sanal Ortam (Virtual Environment) ve Paket Yönetimi (Packet Managment)]]></title>
            <link>https://medium.com/@aycanurisciogluu/sifirdan-python-veri%CC%87-anali%CC%87zi%CC%87-fa277f74c57a?source=rss-2c304242596e------2</link>
            <guid isPermaLink="false">https://medium.com/p/fa277f74c57a</guid>
            <category><![CDATA[python]]></category>
            <category><![CDATA[data-science]]></category>
            <category><![CDATA[pycharm]]></category>
            <dc:creator><![CDATA[Ayça Nur İşçioğlu]]></dc:creator>
            <pubDate>Tue, 18 Oct 2022 14:19:58 GMT</pubDate>
            <atom:updated>2022-10-20T09:16:20.451Z</atom:updated>
            <content:encoded><![CDATA[<p>Öncelikle herkese merhaba! Kısa zaman önce eğitimlerine başladığım veri analizi kursumdan öğrendiklerimi sizinle paylaşma kararı aldım. Bu karar doğrultusunda Python ile veri analizine girişle ilgili ders notlarımı paylaşacağım. Burada atılması gereken ilk adım Sanal Ortam (Virtual Environment) ve Paket Yönetimi (Packet Managment) hakkında edinilmesi gerekilen bilgilerdir diye düşünmekteyim. Bu yüzden bu konu hakkındaki notlarımı ek olarak sizlerle paylaşıyorum. İyi çalışmalar dilerim.</p><figure><img alt="" src="https://cdn-images-1.medium.com/max/1024/1*Bua4qDOeQ3cVyFsMKMp0LQ.jpeg" /></figure><p><strong>Çalışmaya başlamadan önce önemli gördüğüm bir dip notu es geçemeyeceğim bu bölümde yer alan şeyler Pycharm’ınızın Terminal kısmına yazılmalıdır. Aksi halde çalışmaz.<br> <br> #Sanal ortamların listelenmesi için conda env list komutu kullanılır<br></strong> conda env list</p><p><strong>#Yeni bir sanal ortam oluşturmak için/silmek için<br></strong> conda create -n myenv/conda env remove -n myenv</p><p><strong>#Oluşturulan yeni sanal ortama geçiş yapmak için<br></strong> activate myenv</p><p><strong>#Oluşturulan yeni sanal ortamdan çıkmak için<br></strong> conda deactivate</p><p><strong>#Yüklü paketlerin görüntülenebilmesi için<br></strong> conda list</p><p><strong>#Bir sanal ortama paket yüklemek için<br></strong> conda install numpy (örneğin; numpy)</p><p><strong>#Birden fazla paket yüklemek için aralarına boşluk bırakılarak yazılır<br></strong> conda install (örneğin; numpy scipy pandas)</p><p><strong>#Paket silme<br></strong> conda remove name (örneğin; conda remove numpy)</p><p><strong>#Herhangi bir paketin eski (belirli) versiyonlarını yüklemek için<br></strong> conda install numpy= 1.21.2(hangi sürümü yüklenmek isteniliyorsa)</p><p><strong>#Paket sürümünün yükseltilmesi için</strong></p><p>conda upgrade numpy</p><p><strong>#yüklü bütün paket sürümlerini yükseltmek için<br></strong> conda upgrade –all</p><p><strong>#PİP (PYHTON PACKAGE INDEX) Paket yönetim aracı<br> #pip ile paket yükleme/ istenilen özel bir versiyonu<br></strong> pip install pandas/pip install pandas==1.2.1.</p><p><strong>#paket isimlerini aktarma<br></strong> conda env export &gt; environment.yaml</p><p><strong>#dosyaları listlemek için<br></strong> conda list</p><p><strong>#yaml dosyasını aktarmak için<br></strong> conda env create -f environment.yaml</p><img src="https://medium.com/_/stat?event=post.clientViewed&referrerSource=full_rss&postId=fa277f74c57a" width="1" height="1" alt="">]]></content:encoded>
        </item>
    </channel>
</rss>