Ambalaj Üzerindeki Sayısal ve Duyusal Bilgi Tercihlerine Göre Makine Öğrenmesi Yaklaşımı ile Tüketicilerin Sınıflandırılması

Abstract

Günümüzde tüketicilerin satın alma alternatiflerinin artması ile birlikte firmaların tüketicilerin satın alma davranışlarını etkileyen faktörleri incelemesi ve nelere dikkat ettiğini iyi tespit etmesi gerekmektedir. Bu çalışmanın amacı, tüketicilerin satın alma davranışlarını etkileyen pek çok bütünleşik faktörlerden sayısal ve duyusal verilerden tüketiciler tarafından hangisinin tercih edildiğini tespit etmek ve tüketicilerin satın alma davranışlarında ambalaj üzerinde en çok hangi bilgileri dikkate aldığını tespit etmektir. Çalışmada tüketiciler tercih ettikleri bilgi türüne göre makine öğrenmesi yöntemi kullanılarak modellenmeye çalışılmıştır. Araştırmanın verileri anket tekniği kullanılarak toplanmıştır. Örneklem seçimi uygunluk örneklemesi yöntemi kullanılarak yapılmıştır. Çalışmada 18 adet makine öğrenmesine dayalı yöntem kullanılarak tüketiciler sınıflandırılmaya çalışılmıştır. Elde edilen sonuçlara göre tüketicilerin sayısal ve duyusal bilgi tercihlerine göre iki grupta sınıflandırılabileceği ve makine öğrenmesi algoritmalarından Linear Support Vector Machine (LSVM) yönteminin bu sınıflandırmayı yapan en iyi algoritma olduğu sonucuna varılmıştır. Tüketici sınıflandırmasında büyük veri analizi yöntemlerinin pazarlama alanında kullanılması çalışmanın yazına katkısıdır. Uygulamada ambalaj tasarımcılarının hedef kitlelerinin bilgi ihtiyacı türünün belirlenmesi, ambalaj üzerinde yer alacak bilgilerin tasarlanmasında kullanılabilir

The increase in purchasing alternatives forces companies to focus on the factors affecting consumer buying behavior and to determine what they are paying attention to. This study aims to research consumers’ numerical and sensory information preferences and to determine what information the consumers take most on the packaging. In this study, data obtained from the participants’ have been studied with machine learning methods according to the information type they prefer. The data of the study were collected using a questionnaire form. Sample selection was done by using a convenience sampling method. In this study, consumers are classified with 18 big data-based machine learning methods. According to the results, the Linear Support Vector Machine (LSVM) method supports the best result. The use of big data analysis methods in marketing is the contribution of this study to the current literature. In practice, determining the type of information needs of the target consumers helps package designers in designing the information to be included in the packaging