Çevrimiçi reklamlarda kullanıcının satın alma sürecinde kanalların etkisinin derin öğrenme yöntemleri ile tespiti
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, BİLGİSAYAR MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: OĞUZ KAHRAMAN
Danışman: Mine Elif Karsligil
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Çevrimiçi reklamcılık için kaynakların efektif şekilde dağıtılması yayıncılar için önemli bir problemdir. Şu anki durumda, çok noktalı etkileşim ve etkileşimlerin etkisinin hesaplanması bütçe dağılımı yapılırken karşılaşılan en büyük sorunlardan bir tanesidir. Çok noktalı etkileşim ile farklı reklam kanalları temsil edilmektedir. Bu nedenle, müşterilerin farklı kanallarda görüp ilgilendikleri ürünleri satın aldıklarında diğer kanalların satın almaya etkisi tespit edilememekte ve bu durum sonucunda reklam verenin, reklam bütçesini nasıl paylaştıracağı tam olarak hesaplanamamaktadır. Bu sorunu çözmek için mevcut yaklaşımlar, uzman kişiler tarafından değerlendirme yapılarak bütçenin kaynaklara dağıtılması ya da basit istatistiksel yöntemler kullanılması yönündedir. Mevcut yaklaşımlar uygulanırken karşılaşılan en önemli sorun veri boyutunun çok büyük olması ve mevcut araçların tüm veriyi toplayamamasıdır. Veri boyutu sebebiyle insan gücü ile yapılan analizler çok kısıtlı kalmakta ve birçok ayrıntı gözden kaçırılmaktadır. İstatistiksel çıktılar almak ise haftalar gerektirmektedir. Diğer bir sorun ise, eğer kullanıcılar farklı reklam kanallarından farklı zamanlarda sistem ile etkileşime geçerse, bu etkileşimlerin tüm sürece etkisi optimal bir biçimde saptanamamaktadır. Bu saptamanın yapılamamasının temel nedeni olarak etkileşimlerin çok uzun bir zaman aralığına yayılması, mevcut analiz araçlarının tüm veriyi depolayamaması ve mevcut sistemlerin ise çıktılarını son etkileşim noktasına göre oluşturmasıdır. Uzmanlar tarafından yapılan kanal etki analizi sonuçları uzmanın bilgi düzeyine göre değişmektedir. Kanal etki analizi yapılırken kullanılan somut bir yöntem olmaması bu sorunun oluşmasına neden olmaktadır. Bu tez çalışmasında, çevrimiçi reklamlarda farklı reklam kaynaklarının kullanıcının satın almasına etkisini tespit etmek amacıyla bir sistem gerçeklenmiştir. Kullanıcı web sitesi verilerini toplayıp işleyebilmek için web sitesi entegrasyonu sağlanmıştır. Web sitesi üzerinden alınan verilerin saklanması için büyük veri ortamı oluşturulmuştur. Büyük veri ortamına verilerin aktarılması için dağıtık mimariye uygun mesaj akışı yapabilecek sistem kurulmuştur. Toplanan veriler üzerinde ön işlemler uygulanmıştır. Verilerin doğru etiketlenebilmesi ve model başarısını arttırmak için kullanıcı tekilleştirme işlemi yapılmıştır. Kullanıcı tekilleştirme işlemi, farkı cihazlardan gelen kullanıcıların eşleştirilmesini ifade etmektedir. Bu işlemler sonucu toplam 50GB büyüklüğünde ve 2 aylık kullanıcı web sitesi hareketlerini içeren, 65 özellik ve 5 çıkış sınıfı olan veri kümesi elde edilmiştir. Giriş özellikleri kullanıcı reklam ve kampanya bilgileri, satın alım yapılıp yapılmadığı ve sistem ile ilgili bilgileri içermektedir. Çıkış sınıfları ise reklam kanallarıdır. Veri etiketleme için oturum bazlı olarak reklam kanal bilgisi bulunmuş, bu reklam kanal bilgisi ile etiketleme işlemi yapılmıştır. Reklam kanal etki tespit sistemi için, toplanan veriyi işleyebilecek LSTM(Long short-term memory- Uzun-kısa süreli bellek) tabanlı bir derin öğrenme modeli tasarlanmış ve gerçeklenmiştir. LSTM modeli seçilmesinin sebebi zaman serisi veriler üzerinde analizler yapmak üzere geliştirilmiş olmasıdır. İçinde barındırdığı bellek yapısı sayesinde geçmiş verilerden hangisinin değerli olup olmadığını tespit edebilmektedir. Özellik çıkarımı için otokodlayıcı kullanılmıştır. Otokodlayıcı ile özellik çıkarımı olan LSTM modeli, PCA ile özellik çıkarımı olan LSTM modeli ve özellik çıkarımı olmayan LSTM ve BiLSTM modelleri eğitilmiştir. Tüm modeller için 15, 25, 45 ve 60 günlük veriler ile eğitim yapılmıştır. Eğitimler sonucu en başarılı modelin otokodlayıcı kullanan LSTM modeli olduğu gözlemlenmiştir. Tüm modeller için başarı kıstası olarak uzmanlar tarafından hesaplanan kanal etki analiz sonuçları kullanılmıştır. Eğitim sonucunda zaman aralığına ve reklam kanalına bağlı olarak \%8 ve \%4 aralığında hata oranı ile sonuçlar elde edilmiştir. Sonuçlar değerlendirildiğine 15 ve 60 günlük verilerde beklenen duruma en yakın sonuçlar alınmıştır. Bu durum veri kümesi üzerinde sezonsal değişikliklerin olduğunu göstermiştir. Eklenen otokodlayıcı modeli bu tez kapsamında yapılan çalışmanın daha önce yapılmış olan LSTM destekli modellerden farklılaşmasını sağlamıştır. Geliştirilen modelin eğitiminden sonra çıktıların anlık alınabilmesi sağlanmıştır. Haftalar süren kanal etki analizi işleminin anlık alınabilmesi bu sorunun çözümüne önemli katkı sağlamıştır. Sabit bir modelin kullanılması, farklı uzmanlar tarafından alınan farklı sonuçların da oluşmasını önleyerek tek bir model aracılığı ile kanal etki analiz sonuçlarının alınmasını sağlamıştır.