Akademik Veri Yönetim Sistemi
Yöneylem Araştırması ve Endüstri Mühendisliği (YA/EM) 43. Ulusal Kongresi, Trabzon, Türkiye, 2 - 04 Ekim 2024, ss.122
Satıcıların performans değerlendirmesi ve satış stratejilerinin optimize edilmesi, günümüz işletmeleri için kritik öneme sahiptir. Bu bağlamda, yapay öğrenme yöntemleri ile gerçekleştirilen kümeleme analizi, satış verilerinden çıkarımlar elde etmek için güçlü bir araç olarak kullanılmaktadır. Bu kapsamda alanında bilgi sahibi satış uzmanları tarafından yapılan satışlardan elde edilen bilgiler (satılan ürün, ne kadar satıldığı, ne zaman satıldığı, hangi bölgeye ve hangi sektöre satıldığı vb.) kullanılarak yapılan satışlar değerlendirilmektedir. Bu değerlendirme sonucunda ise gelecekte yapılacak satışların planlanması ve önceliklerin belirlenmesi için analizler ortaya konulmaktadır. Öncelikle, satıcılar belirli kriterlere (satış hacmi, ürün bilgisi vb.) göre benzer özelliklere sahip gruplara (kümelere) ayrılır. Bu sayede, her bir kümedeki satıcıların ortak güçlü ve zayıf yönleri belirlenmektedir. Örneğin, yüksek satış hacmi ve müşteri memnuniyeti puanına sahip olan bir kümedeki satıcılar, yeni ürünlerin tanıtımında öncü rol oynayabilirken, düşük performans gösteren bir kümedeki satıcıların olduğu bölgede hangi ürünlerin tercih edilebileceği ve bu ürünlerin satışını artırmaya yönelik neler yapılabileceği araştırılabilmektedir. Kümelenen satıcıların satış performanslarının incelenmesiyle birlikte, farklı uygulamalar için en çok satılan ürünlerin ilişkileri de ortaya çıkarılabilmektedir. Bu sayede, hangi ürünlerin birlikte satıldığının, hangi ürünlerin birbirinin satışını tetiklediğinin ve hangi ürünlerin farklı müşteri segmentlerine hitap ettiğinin anlaşılması mümkün hale gelir. Kümeleme analizi sonrasında gerçekleştirilen birliktelik analizi ise, ürünlerin arasındaki ilişkileri daha detaylı bir şekilde incelemeye olanak tanır. Bu analiz sayesinde, hangi ürünlerin belirli bir müşteri profiline özel olarak tercih edildiği gibi bilgiler elde edilebilir. Bu bilgiler doğrultusunda, daha etkili ürün önerileri ve kişiselleştirilmiş pazarlama stratejileri geliştirilebilir. Bu çalışma kapsamında dijital muhasebe uygulamalarının satışını yapan SOVOS’a ait satış uzmanı ve satış bilgileri kullanılarak uzmanların yapmış oldukları satışların kümelemesi incelenmektedir. Bu kapsamda gözetimsiz öğrenme tekniklerinden olan kümeleme algoritmaları kullanılarak uygun sayıda kümenin oluşturulması sağlanmaktadır. Elde edilen kümelerde yer alan satışlar incelenerek sonraki dönemlerde yapılacak olan satışların nasıl yönlendirilmesi gerektiği konusunda bilgiler ortaya çıkarılacaktır. Bu sayede, firma müşteri ihtiyaçlarını daha iyi anlayarak, daha doğru ürün ve hizmetleri sunabilir ve rekabet avantajı elde edebilir.