| Popis: |
Bu çalışmada, Türkiye’ de gıda perakende alanında faaliyet gösteren süpermarket zincirlerinden birine ait gıda e-ticaret sitesinin kampanya düzenlenen fakat kampanyalı satışı stoklarla sınırlı olan ürünlerin stok tükenme zamanları ve stok tükenme zamanlarına etki eden değişkenler sağkalım analiz yöntemleriyle incelenmiştir. İndirimli ürünün stok tükenme süresi için sağkalım olasılığının hesaplanması ve stok tükenme süresine etki eden değişkenlerin analizi için Kaplan Meier analizi, Cox Oransal Hazard Regresyon yöntemi, değişken seçimi için LASSO ve topluluk makine öğrenme yöntemi olan Sağkalım Ağaçları kullanılmıştır. İlgilenilen olay indirimli kampanya ürünlerinin stok tükenme zamanı olduğundan değişkenlerin sağ kalma üzerindeki etkileri araştırılmıştır. Gelenekselleşmiş sağkalım analiz yöntemi olan Cox Oransal Hazard regresyon modeli ile makine öğrenmesi yöntemi olan Rastgele Sağkalım Ormanları yöntemi, modellerden elde edilen sağkalım analizi için ortak değerlendirme ölçütü C-index değerlerine göre karşılaştırılmıştır. Sonuç olarak perakende gibi farklı bir alanda hem gelenekselleşmiş sağkalım modelleri hem de Rastgele Sağkalım Ormanları modeli oluşturularak detaylı bir analiz çalışması ortaya konmuştur. Analiz sonucunda Cox oransal hazard regresyon modeline göre stok tükenme süresi içim anlamlı, Rastgele Sağkalım Ormanları yöntemi için önemli değişkenler birbirini destekler nitelikte çıkmıştır. Cox Oransal Hazard regresyon modeli ve Rastgele Sağkalım Ormanlarından elde edilen performans ölçüm metriği C-index değerleri karşılaştırılarak birbirine çok yakın sonuç verdiği görülmüştür. In this study, the time of depletion of stock and the variables affecting the time of depletion of the products, which are campaigned but whose sale is limited to stocks, of the food e-commerce site belonging to one of the supermarket chains operating in the field of food retail in Turkey, were examined by survival analysis methods. Kaplan Meier analysis, Cox Proportional Hazard Regression method, LASSO and ensemble machine learning method, Survival Trees, were used to calculate the survival probability for the stock depletion time of the discounted product and to analyze the variables affecting the stock depletion time.Since the event of interest is the time of depletion of the discounted campaign products, the effects of the variables on survival were investigated. The traditional survival analysis method, the Cox Proportional Hazard regression model, and the machine learning method, the Random Survival Forests method, were compared according to the C-index values, the common evaluation criterion for the survival analysis obtained from the models. As a result, a detailed analysis study has been presented by creating both traditional survival models and Random Survival Forests model in a different field such as retail. As a result of the analysis, according to the Cox proportional hazard regression model, significant variables for stock depletion time and important variables for the Random Survival Forest method were found to be mutually supportive. The performance measurement metric C-index values obtained from the Cox Proportional Hazard regression model and Random Survival Forests were compared and it was seen that they gave very close results. |
