Müşteriyi segmentle, sepeti birliktelikle çöz
Müşteri segmentasyonu ve sepet analizi eğitimi: RFM skorlama ve segment, mesafe metrikleri, k-means (elbow/silhouette) ve hiyerarşik kümeleme, market basket birliktelik kuralları (support/confidence/lift), Apriori ve FP-Growth algoritmaları, kural yorumu ve ç…
RFM, k-means/hiyerarşik kümeleme ve Apriori/FP-Growth sepet analizi
Bu orta seviye eğitim, müşteri segmentasyonunu ve sepet analizini uygulamalı öğretir. RFM (recency, frequency, monetary) skorlaması ve segment tanımı; mesafe/benzerlik metrikleri, k-means kümeleme, küme sayısı seçimi (elbow, silhouette) ve hiyerarşik kümeleme işlenir. Ardından market basket (sepet) analizi: birliktelik kuralları, support, confidence, lift ve conviction; Apriori ve FP-Growth algoritmaları, kural budama ve yorumu; segment ve sepet içgörüsünün öneri, çapraz satış ve mağaza yerleşimine bağlanması uygulanır. Katılımcılar işlem verisinden anlamlı segmentler ve kurallar çıkarıp iş kararına çevirir.
3 Gün. Her gün dört modül; katılımcılar RFM, kümeleme ve sepet analizi eksenlerinde segment ve kural üretimini uygular.
Orta Seviye — Müşteri segmentasyonu ve sepet analizi: RFM, k-means ve hiyerarşik kümeleme, Apriori/FP-Growth birliktelik kuralları ve öneri mantığının uygulamalı modellenmesi.
Katılımcılar gerçek benzeri işlem verisi üzerinde Python/R ile RFM, k-means kümeleme ve birliktelik kurallarını kurup iş kararına bağlar.
RFM ve kümelemeyle müşterileri davranışa göre anlamlı gruplara ayırırsınız.
Birliktelik kurallarıyla hangi ürünlerin birlikte alındığını ortaya çıkarırsınız.
Segment ve kuralları çapraz satış ve önerilere dönüştürürsünüz.
Eğitimden verim almak için faydalı olacak bilgi ve ortam gereksinimleri
Ortalama, dağılım ve mesafe kavramlarına aşinalık faydalıdır.
Temel Python (pandas) veya R aşinalığı beklenir.
İşlem (transaction) ve müşteri verisi kavramına aşinalık avantajdır.
Satış, müşteri ve kampanya süreçlerine aşinalık örnekleri anlamlı kılar.
Programın gün gün akışı aşağıdadır. Bir güne tıklayarak o günün modüllerini ve içeriklerini görebilirsiniz.
Program sonunda katılımcılar:
İşlem verisinden RFM skorları ve anlamlı segmentler çıkarırsınız.
Ölçekleme ve dönüşümle kümelemeye uygun veri hazırlarsınız.
k-means ile segment oluşturur, elbow ve silhouette ile k seçersiniz.
Hiyerarşik kümeleme ve dendrogramla segment yapısını incelersiniz.
Küme kalitesini ölçer ve segmentleri iş anlamıyla adlandırırsınız.
Support, confidence ve lift ile birliktelik kuralları çıkarırsınız.
Apriori ve FP-Growth ile sepet analizini verimli yaparsınız.
Segment ve kuralları çapraz satış, öneri ve kampanyaya bağlarsınız.
Bu eğitim Digital Vizyon Akademi Başarı Sertifikası ile tamamlanır.
Eğitim başında “Ön Test”, bitiminde “Son Test” uygulanarak gelişim ölçümlenir. Değerlendirme formunu dolduran katılımcılar sertifikalarını alır. Sertifikanızın geçerliliğini Sertifika Sorgulama sayfasından doğrulayabilirsiniz.
Modern veri ürünleri geliştirme: data as a product, data mesh, tüketici tasarımı, veri sözleşmeleri, SLA/SLO, teknik uygulama, gözlemlenebilirlik ve değer ölçüm
Detayları Gör →
SQL ile veri değiştirme: INSERT, UPDATE, DELETE, TRUNCATE, MERGE upsert, kısıtlar, OUTPUT/RETURNING ve transaction yönetimi (COMMIT/ROLLBACK) uygulamalı.
Detayları Gör →
Modern veri altyapısını yönlendiren etkenler: veri büyümesi, bulut ve depolama-işlem ayrımı, dağıtık işleme, batch/streaming, FinOps, yönetişim ve modern data s
Detayları Gör →
RapidMiner ile kodsuz ML: süreç tasarımı, zaman serisi tahmini (ARIMA, Holt-Winters) ve pazar sepeti analizi (FP-Growth, support/confidence/lift) uygulamalı.
Detayları Gör →
Veritabanı nesneleri ve SQL ile veri getirme: tablo/view, SELECT, WHERE, BETWEEN/IN/LIKE, ORDER BY, toplama fonksiyonları, GROUP BY/HAVING ve JOIN uygulamalı.
Detayları Gör →