Proje Detayları

Literatürel Bağlam

Alışveriş sepetinizde neden belirli ürünlerin sık sık yan yana geldiğini hiç fark ettiniz mi? Market raf düzeninden e-ticaret öneri sistemlerine kadar birçok stratejinin arkasında Pazar Sepeti Analizi (Market Basket Analysis - MBA) yer alır. Bu yöntem, müşteri satın alımlarındaki kalıpları keşfetmek ve hangi ürünlerin birlikte satın alındığını anlamak için kullanılır. Yani satış istatistiklerini; sadece geçmişi görmek için değil, geleceği şekillendirecek öngörüler üretmek için kullanır.

MBA, özellikle üç temel metrik üzerine inşa edilir:

• Destek (Support): Bir ürünün tüm sepetlerde görünme sıklığını gösterir. Ürünün genel popülerliğini anlamaya yardımcı olur.
• Güven (Confidence): Bir ürünü satın alan müşterilerin başka bir ürünü de satın alma olasılığını ölçer. İlişkinin gücünü gösterir.
• Asansör (Lift): İki ürünün birlikte satın alınma olasılığının, bağımsız satın alıma kıyasla ne kadar daha yüksek olduğunu ortaya koyar.

Bu metrikler yalnızca istatistiksel bir analiz değil, aynı zamanda ürün önerileri, kampanya paketleri, mağaza düzeni optimizasyonu ve çapraz satış stratejilerinin temelini oluşturur.

Diğer yandan, her müşterinin marka ile kurduğu ilişki farklıdır. Kimileri sık ve yüksek tutarlı alışverişler yaparken, kimileri nadiren alışveriş yapar. RFM Analizi (Recency, Frequency, Monetary), bu farklılıkları net bir şekilde ortaya koyarak, müşteri tabanını değerlerine göre segmente eder. Böylece her gruba uygun pazarlama stratejileri geliştirilebilir ve ve müşteri kaybı azaltılabilir.

Bu iki yaklaşım birleştiğinde, hem ürün bazlı hem müşteri bazlı stratejik fırsatlar aynı projede yakalanabilir.

Hedef

Bu proje, bir çevrim içi perakendecinin 2010–2011 yıllarındaki satış verilerini kullanarak, hem ürün bazında hem müşteri bazında ticari fırsatları ortaya çıkarmayı hedeflemektedir. Çalışma; satış verilerini analiz ederek, JAM MAKING SET WITH JARS ürününü satın alan müşterilerin sepetlerinden yola çıkıp birlikte satılmaya uygun (bundle) ürün kombinasyonlarını belirlemekte ve bu kombinasyonlar üzerinden pazarlama kurgusu geliştirmektedir. Aynı zamanda RFM yöntemi ile müşteri tabanını segmentlere ayırarak bağlılık stratejileri geliştirmeyi amaçlamaktadır. Böylece, hangi ürünlerin paketlenebileceği, hangi müşteri gruplarına özel kampanyalar yapılabileceği ve müşteri sadakatini artırmak için hangi pazarlama stratejilerinin izlenebileceği konusunda veri temelli içgörüler elde edilmiştir.

Google Drive'dan indirin!

Veri Seti Bilgisi:

• Kaynak: UCI Machine Learning Repository
• İçerik: Avrupa merkezli çevrim içi bir mağazanın 2010–2011 yıllarına ait fatura verileri
• Değişkenler: Ürün kodu, açıklama, miktar, tarih, fiyat, müşteri kimliği, ülke, vb.
• Toplam işlem sayısı: ~500.000+
• Veri süresi: Aralık 2010 – Aralık 2011

Analiz

Aşağıdaki iş sorularına odaklanılarak sepet ve RFM analizleri gerçekleştirilmiştir:

İş Soruları

1. Hangi ürünler, müşteriler tarafından en sık birlikte satın alınmaktadır?
2. Sepet başına ortalama ürün sayısı nedir ve hangi ürünler büyük sepetlerde daha sık yer almaktadır?
3. Destek, güven ve asansör değerleri açısından en güçlü ürün çiftleri hangileridir?
4. Müşteri tabanı satın alma davranışlarına göre hangi segmentlere ayrılmaktadır ve her segmentin özellikleri nelerdir?
5. Potansiyel olarak sadakat gösterecek müşteri grupları kimlerdir ve hangi ürünleri daha fazla satın almaktadırlar?

Market Sepet Analizi (MBA)

Analizin başlangıç noktasında, her fatura numarası (Invoice No) tek bir alışveriş sepeti olarak kabul edilmiştir. Böylece değerlendirme, müşteri düzeyinden ziyade “sepet düzeyinde” yürütülerek satın alma davranışlarının işlem bazlı incelenmesi sağlanmıştır.

Sepet Sayısı ve Tipik Boyutun Belirlenmesi

İlk olarak, pivot tablo kullanılarak her sepetteki ürün adedi hesaplanmıştır. COUNT fonksiyonu ile her fatura satırında yer alan ürünler sayılmış, tekil fatura numaralarının sayılmasıyla toplam 20.725 sepet belirlenmiştir. Sepet boyutları dağılımından MEDIAN fonksiyonu ile tipik sepet büyüklüğü hesaplanmış ve 15 ürün olarak bulunmuştur. Medyanın tercih edilmesi, aşırı yüksek veya düşük adetli siparişlerin analizi bozmasının önüne geçerek daha gerçekçi bir “ortalama sepet” profilinin ortaya çıkarılmasını sağlamıştır.

Hedef Sepet Belirleme ve Sepet Görülme Oranı Hesaplama

Bunun ardından, pivot tablo aracılığıyla veri kümesindeki tüm ürünler tek tek değerlendirilmiştir. Her bir ürün için toplam satış adedi (Units Sold) hesaplanmış, bu işlemde ürün açıklaması (Description) alanının saydırılmasıyla COUNT fonksiyonu kullanılmıştır. Böylece hangi ürünün toplamda kaç kez sipariş edildiği net olarak ortaya konmuştur.

Ayrıca, her ürünün sepetlerde görülme oranı (Share of Total Baskets) da hesaplanmıştır. Bu oran, ilgili ürünün toplam satış adedinin (Units Sold), toplam sepet sayısına (Total Basket Count) bölünmesiyle elde edilmiştir. Böylece her bir ürünün alışveriş sepetlerinde ne sıklıkta yer aldığı yüzdesel olarak belirlenmiştir.

Hedef ürün olan “JAM MAKING SET WITH JARS”, %5,5 oranla tüm sepetlerde yer aldığı görülmüş ve analizde odak noktası olarak seçilmiştir. Bu ürünün bulunduğu tüm faturalar filtrelenerek “Target Basket” kategorisine ayrılmış, ilerleyen adımlarda yapılacak ürün birliktelik analizine veri sağlayacak şekilde etiketlenmiştir.

Hedef ürün olarak “JAM MAKING SET WITH JARS” belirlenmiş ve %5,5 oranla tüm sepetlerde yer aldığı tespit edilmiştir. Bu ürünün bulunduğu faturalar filtrelenerek ayrı bir listede “Target Basket” etiketiyle işaretlenmiştir. Böylece, ilerleyen analizlerde bu ürünün satın alındığı sepetlerde başka hangi ürünlerin yer aldığı incelenebilecektir.

Hedef Ürünle Birlikte Satılan Ürünlerin Tespiti

Analizin bu aşamasında amaç, hedef ürün olan “JAM MAKING SET WITH JARS” ile birlikte sepette yer alan diğer ürünleri belirlemektir. Önceki adımlarda hedef ürünü içeren faturalar zaten etiketlenmişti. Ancak bu bilgi, yalnızca özet tablo düzeyinde bulunuyordu ve orijinal veri setinde hangi satırların bu faturalarla ilişkili olduğunu doğrudan göstermiyordu.

Bu nedenle, orijinal veri setine “Target Basket?” adında yeni bir sütun eklenmiş ve burada VLOOKUP işlevi ile özet tablodaki hedef sepetler listesiyle eşleştirme yapılmıştır. Böylece her satırın (ürün bazında) hedef ürünü içeren bir faturaya ait olup olmadığı işaretlenmiştir.

Bu işlem sayesinde, hedef ürünün yer aldığı sepetlerde birlikte satın alınan diğer ürünler kolayca tespit edilebilmiş, ilerleyen adımlarda ürün birliktelik analizi için gerekli alt veri seti hazırlanmıştır.

Hedef Ürün Etrafında Veri Hazırlığı

Ürün birlikteliklerini analiz edebilmek için ilk olarak hedef ürün olarak belirlenen "JAM MAKING SET WITH JARS" içeren tüm sepetler filtrelenmiştir. Böylece analiz yalnızca bu ürünü satın alan müşterilere ait işlemler üzerinden yürütülmüştür.

Ayrıca, satır düzeyinde Amount (satış getirisi), Price (birim fiyat) ve DateDiff (analiz tarihi ile işlem tarihi arasındaki gün farkı) gibi ek sütunlar hesaplanmıştır. Bu yardımcı değişkenler, ilerleyen aşamalarda yapılacak gelir analizi ve zaman bazlı değerlendirmeler için veri altyapısını oluşturmuştur.

Birliktelik Metriklerinin Hesaplanması

Filtreleme sonrasında pivot tablo kullanılarak ; bu aşamada, hedef ürün “JAM MAKING SET WITH JARS” bulunan sepetlerde yer alan diğer ürünlerin, bu hedef ürünle birlikte kaç kez satın alındığı belirlendi. Yani iki ürünün aynı sepette yer aldığı toplam sepet sayısı sistematik olarak ortaya çıkarıldı. Ayrıca hedef ürünü içeren sepet sayısı 1.142 olarak tespit edildi. Elde edilen bu veri, birliktelik analizi sürecinde confidence (güven) metriğinin hesaplanabilmesi için gerekli olan “ürünü içeren hedef sepet sayısı” bilgisini sağlamaktadır.

Ardından, birlikteliklerin anlamlılığını ve gücünü ölçmek amacıyla üç temel metrik formüller aracılığıyla hesaplandı:

Support (%) = (İlgili Ürünün Sepette Geçtiği Sayı / Tüm Sepet Sayısı) × 100
Confidence (%)  = (İki ürünün birlikte yer aldığı sepet sayısı / Birinci ürünü içeren sepet sayısı) × 100
Lift = Confidence /  Support

Öncelikle, support değeri her bir ürünün tüm sepetlerde görülme oranını ifade eder. Örneğin, “JAM MAKING SET WITH JARS” ürünü, analiz dönemindeki 20.725 benzersiz sepetin yaklaşık %5,5’inde yer aldı. Ardından, confidence metriği, hedef ürün ile birlikte görülen diğer ürünlerin bu birlikteliğinin ne kadar tutarlı olduğunu ölçtü. Bu hesaplama, “Hedef ürünü alan müşterilerin yüzde kaçı bu diğer ürünü de aldı?” sorusuna yanıt verir. Örneğin, “JAM MAKING SET PRINTED” ürünü, hedef ürünün bulunduğu sepetlerin %41,7’sinde yer alarak güçlü bir birliktelik gösterdi.

Son olarak, lift metriği ile bu birlikteliğin rastlantısal olup olmadığı değerlendirildi. Lift değeri 1’in üzerinde olduğunda pozitif ilişki, çok daha yüksek olduğunda ise beklenenden çok daha güçlü bir birliktelik olduğu kabul edilir. Örneğin, “JAM MAKING SET PRINTED” ürünü için lift değeri 7,39 olarak hesaplandı; bu, bu iki ürünün birlikte satın alınma olasılığının genel beklentiden yaklaşık yedi kat fazla olduğunu gösterir. Böylece, analiz yalnızca sıklığa değil, birlikteliğin gücüne de ışık tutarak sonraki pazarlama ve çapraz satış stratejilerine yön verecek sağlam bir temel oluşturdu.

Bundle Ürünlerini Seçme Stratejisi

Bu metrikler ışığında, iş kararları (örneğin bundle ürün oluşturma veya çapraz satış fırsatları) belirlenirken yalnızca lift değeri en yüksek olan ürünlere odaklanmak, karar sürecini tek boyutlu hale getirebilirdi. Lift yüksek olsa bile support değeri düşük olan kombinasyonlarda hedef müşteri kitlesi sınırlı kalabileceğinden, daha dengeli, tematik ve erişilebilir bir seçim yaklaşımı geliştirildi. Bu doğrultuda kullanılan seçim kriterleri aşağıdaki gibidir:

Kriter	Açıklama
Lift > 5	İki ürünün birlikte görülme olasılığının, rastgele seçime kıyasla anlamlı düzeyde yüksek olması.
Confidence > %25	Müşterilerin en az dörtte birinin bu ürünleri birlikte satın almış olması.
Fiyat Dengesi	Çok pahalı ürünleri eleyerek bundle’ların ulaşılabilirliğini artırmak.
Tema Uygunluğu	Ürünlerin mantıklı bir hikâye veya kullanım bağlamında bir araya gelmesini sağlamak.

Bu yaklaşım sayesinde hem güçlü ilişki metriklerine sahip hem de pazarlama açısından anlamlı, geniş müşteri kitlesine hitap eden ürün çiftleri önceliklendirildi.

Bundle Ürün Seçimi ve Paket Fiyatlandırması

Analiz sürecinde, “JAM MAKING SET WITH JARS” ana ürünü için birlikte satın alma potansiyeli yüksek üç tamamlayıcı ürün belirlendikten sonra, paket fiyatlandırması adımına geçilmiştir. Seçilen ürünler, yüksek lift ve confidence değerleri ile birlikte görsel ve işlevsel uyumları dikkate alınarak seçilmiştir:

• JAM MAKING SET PRINTED – En yüksek lift değerine sahip ürün.
• SET OF 3 CAKE TINS PANTRY DESIGN – Görsel ve işlevsel açıdan uyumlu temaya sahip.
• RECIPE BOX PANTRY YELLOW DESIGN – Tarif saklama işlevi ile ana ürünü tamamlıyor.

Tüm ürünlerin birim fiyatları üzerinden toplam paket maliyeti 13.60 $ olarak hesaplanmıştır. Müşterilere cazip bir teklif sunmak amacıyla iki farklı fiyatlandırma stratejisi geliştirilmiştir:

1. %15 indirimli paket fiyatı: 11.56 $
2. Psikolojik fiyatlandırma: 11.90 $

Bu yaklaşım, hem fiyat cazibesini hem de algısal değer avantajını bir araya getirerek satış olasılığını artırmayı hedeflemektedir.

Kampanya Maili – Ürün Hikayesi

Konu: Büyükannenin Reçel Mirası: %50 İndirim Sizi Bekliyor!
Gövde:
	
 
						
Sınırlı süreli reçel paketi setimizi sunuyoruz — stoklar tükenene kadar!

Bir zamanlar, her yaz sonunda bir büyükanne tatlı ritüeline başlardı. Torunları fal taşı gibi açılmış gözlerle izlerken, şekerli meyvelerin kokusu evi doldururdu.
Güvendiği reçel kavanozlarını kullanır, elle çizilmiş etiketler ekler, kek kalıplarında meyveli kekler pişirir ve her tarifi sarı kutusuna özenle yazarak sadece lezzetleri değil, anıları da saklardı.
	
✨ Büyükannenin Reçel Mirası Paketi'nin içinde neler var?
✅ KAVANOZLU REÇEL YAPIM SETİ
✅ BASKILI REÇEL YAPIM SETİ
✅ 3'LÜ KEK KALIBI SETİ
✅ SARI TARİF KUTUSU
💰 Hepsi sadece ₺11,90
📦 [Hemen Sipariş Verin]

  
	
💡 Anneanneden ipucu:
"Erik reçelinize bir tutam tarçın ekleyin - çocuklar asla unutamayacak."

🎟 Kampanya Kodu: JAM 50
📅 Geçerlilik Tarihi: 1-10 Ağustos
Saygılarımızla,
Müşteri Deneyimi Ekibiniz 💛

RFM Analizi

RFM (Recency, Frequency, Monetary) analizi; müşterileri satın alma alışkanlıklarına göre üç ana boyutta değerlendirir:

• Recency (Yakınlık): Müşterinin en son ne zaman alışveriş yaptığı. Daha düşük gün farkı, müşterinin yakın zamanda alışveriş yaptığını gösterir.
• Frequency (Sıklık): Belirli bir zaman diliminde kaç kez alışveriş yaptığı. Daha yüksek sayı, markayla daha sık temas eden müşteri anlamına gelir.
• Monetary (Parasal Değer): Müşterinin toplam harcama tutarı. Daha yüksek tutar, daha değerli bir müşteri profili ortaya koyar.

Bu üç boyut, müşteri sadakatini ve işletmeye kattıkları değeri anlamak için bir arada değerlendirilir. Her müşteri, her boyutta 1 ile 5 arasında puan alır (5 en iyi değer).

Bu analizde, “JAM MAKING SET WITH JARS” ürününü satın alan müşterilerimizin bir “müşteri karnesi” çıkarılarak, onlarla gerektiği şekilde ilgilenmek ve kaçma risklerini azaltmak hedeflenmiştir. Bahsedilen boyutlar için, Excel üzerinde pivot tablolar ve fonksiyonlar kullanılarak detaylı hesaplamalar gerçekleştirilmiştir.

RFM Metriklerinin Hesaplanması

Adım 1 – Monetary (Toplam Harcama Tutarı)

İlk olarak, “JAM MAKING SET WITH JARS” ürününü satın alan müşterilerin, toplam alışveriş tutarları hesaplandı. Burada her müşteri için, alışveriş faturalarındaki ürün bedelleri SUM fonksiyonu ile toplanarak Monetary değeri belirlendi. Bu değer, müşterinin şirkete kattığı ekonomik katkıyı ifade ediyor.

Adım 2 – Frequency (Satın Alma Sıklığı)

Ardından, her müşterinin kaç farklı alışveriş yaptığı tespit edildi. Bunun için, her müşterinin tekrar eden fatura kayıtları temizlenip tekilleştirildi, ardından COUNT fonksiyonu ile toplam alışveriş adedi hesaplandı. Böylece müşterilerin markayla ne sıklıkla etkileşimde bulunduğu ortaya çıkarıldı.

Adım 3 – Recency (Son Alışverişten Geçen Gün Sayısı)

Üçüncü adımda, müşterilerin en son alışveriş yaptığı tarih ile analiz tarihi arasındaki gün farkı hesaplandı. Daha düşük gün farkı, müşterinin yakın zamanda aktif olduğunu; yüksek gün farkı ise uzun süredir alışveriş yapmadığını gösterir.

Adım 4 – Tenure (İlk Alışverişten Bu Yana Geçen Süre)

RFM metodolojisinde yer almasa da, ek olarak müşterilerin ilk alışverişinden bugüne kadar geçen süre (tenure) de hesaplandı. Bu metrik, müşteri ile marka arasındaki toplam ilişki süresini gösterir. Böylece, ilk alışverişten bugüne geçen süre ile son alışverişten bu yana geçen gün sayısı karşılaştırılarak, müşterinin ilişkisinin başından beri ne kadar aktif kaldığı ve yakın zamanda etkileşim sıklığının azalıp azalmadığı analiz edilebilmiştir. Bu karşılaştırma, özellikle sadakat seviyesini ve terk etme eğilimini daha net anlamada önemli bir tamamlayıcı içgörü sağlamaktadır.

Adım 5 – Puanlama ve Karnenin Oluşturulması

Metrikler (Recency, Frequency) 1–5 arasında puanlandı.

• 5 puan: O metrikte en iyi durumda olan müşteri
• 1 puan: O metrikte en zayıf durumda olan müşteri

Bu adımların ardından, aşağıdaki tabloda görüldüğü üzere her müşteri için ilgili metrikler VLOOKUP işlevi kullanılarak tabloya aktarıldı. Sepet büyüklüğü, müşterinin alışveriş başına şirkete bıraktığı ortalama tutarı ifade eder ve =W4/V4 formülü ile (ör. =W4/V4) hesaplanmıştır. Böylece her müşteri için Recency, Frequency, Monetary ve Basket Size verilerini bir arada gösteren bütünsel bir yapı elde edildi.

RFM Skorlarının Hesaplanması ve Segmentlerin Oluşturulması

Daha önce hesaplanmış Recency Score ve Frequency Score değerleri kullanılarak FR Segment kodları oluşturulmuştur. Bu kodlar, müşteri segmentlerini belirlemek için referans olarak kullanılmıştır. Segment Name sütununda görülen isimler, FR Segment kodlarının LOOKUP formülü ile önceden tanımlı segment eşleştirme tablosundan (Segment Name ve FR eşleşmeleri) çekilmesiyle elde edilmiştir. Böylece her müşteri, alışveriş sıklığı ve son alışveriş zamanına göre anlamlı bir segment adıyla etiketlenmiştir.

Segmentlerin adlandırılması, müşteri davranışlarını stratejik olarak anlamlandırmayı sağlamaktadır:

Segment	Açıklama
Champions	En sık ve en yakın zamanda alışveriş yapan en değerli müşteriler
Loyal Customers	Sık alışveriş yapan, sadık müşteriler
Potential Loyalists	Bağlılık potansiyeli yüksek, yeni veya az sıklıkta alışveriş yapan müşteriler
New Customers	Yeni kazanılmış müşteriler
Promising	Yeni ve umut vadeden müşteriler
Need Attention	Etkileşimi azalan müşteriler
At Risk	Uzun süredir alışveriş yapmayan, kaybedilme riski olanlar
Can’t Lose Them	Değerli ama sessizleşmiş müşteriler
Hibernating	Çok uzun süredir pasif olanlar
About to Sleep	Neredeyse tamamen pasifleşmiş müşteriler

Sayfanın sağındaki renkli treemap grafik, müşteri segmentlerini Recency–Frequency ekseninde görselleştirerek hem segmentlerin büyüklüğünü hem de konumunu göstermektedir. Bu görselleştirme, hangi müşteri gruplarının öncelikli olduğunu netleştirerek, pazarlama ve müşteri ilişkileri stratejilerinin belirlenmesine destek olur.

Segment Bazlı Performans Analizi

Bu aşamada, proje kapsamında önceden hesaplanan RFM metrikleri kullanılarak her müşterinin ait olduğu segment bilgisi VLOOKUP fonksiyonu ile müşteri bazlı tabloya entegre edilmiştir. Daha sonra bu segment verileri üzerinden pivot tablo oluşturularak segment bazlı performans analizi gerçekleştirilmiştir. Analizde, her segmentin müşteri sayısı, ortalama müşteri yaşı (tenure), son alışverişten bu yana geçen süreyi ifade eden recency değeri, alışveriş sıklığı (frequency), ortalama harcama tutarı (monetary), ortalama sepet büyüklüğü ve toplam gelir katkısı gibi metrikler karşılaştırmalı olarak değerlendir ildi. Bu çalışma, yüksek potansiyel taşıyan segmentleri, mevcut durumda en yüksek geliri sağlayan grupları ve risk altında bulunan müşteri kümelerini net bir şekilde ortaya koyarak, pazarlama stratejilerinde hangi segmentlere öncelik verileceğine dair güçlü bir karar destek zemini sunmaktadır.

Potansiyel Sadık Müşterilerin Ürün Bazlı Tercih Analizi

Satış veri setinde (hedef ürünü — JAM MAKING SET WITH JARS — içeren sepete ait satır kayıtları) zaten mevcut olan hedef sepet satırlarına, önceden hesaplanmış RFM segment etiketleri VLOOKUP ile aktarıldı. Bu işlem sırasında hiçbir ek filtreleme yapılmadı; her hedef sepet satırı doğrudan ilgili müşterinin RFM segmentiyle eşleştirildi.

Eşleştirme tamamlandıktan sonra, Potential Loyalists (Potansiyel Sadıklar) segmentine ait satırlar pivot tablo ile özetlendi: her ürün için bu segmentin gerçekleştirdiği toplam satın alma sayısı hesaplandı ve ürünlere göre Top-10 tercih listesi çıkarıldı. Bu adımın amacı, potansiyel sadık müşterilerin hangi ürün gruplarında yoğunlaştığını tespit etmek ve bu veriye dayalı olarak kapsamlı, hedeflenmiş pazarlama ve bundle stratejileri geliştirmek için sağlam bir temel hazırlamaktır.

SEGMENT BAZLI ANALİZ ve KAMPANYA ÖNERİLERİ

Champions (7 müşteri)

• En değerli müşteriler: En sık alışveriş yapanlar (avg. F = 10), en yüksek harcama (avg. $24,991), sık geliyorlar (avg. Recency = 34 gün).
• Toplam ciro: $174,938 (%30'a yakın tek başlarına!)

🎯 Kampanya Önerileri:

• VIP sadakat programı (erken erişim, özel indirim)
• Kişisel hediye veya özel teşekkür e-postası
• Yeni ürün lansmanları için beta tester olarak dahil et

Potential Loyalists (57 müşteri)

• Alışveriş frekansı yüksek (avg. F = 3), monetary $2,535
• Recency 80 → Aktif olma potansiyelleri var

🎯 Potansiyel Sadık Müşterilerin Sadık Müşteriye Dönüşmesi İçin Stratejiler

1. Kişiselleştirilmiş Teklifler: En çok satın aldıkları bu 10 ürün, müşterilerin ilgi alanlarının ve ihtiyaçlarının doğrudan göstergesi. Bu ürünlerde özel indirim, paket kampanya veya "bir alana bir bedava" gibi promosyonlar uygulanabilir.
2. Çapraz Satış ve Tamamlayıcı Ürün Önerileri: Top 10 ürünü alanlara, bu ürünlerle uyumlu tamamlayıcı ürünler (örneğin aksesuar, yedek parça, ek set) önerilerek sepet değeri artırılabilir.
3. Sadakat Programı Entegrasyonu: Bu ürünlerin satın alımına ekstra puan veya özel statü avantajı eklenerek, müşterinin tekrar alım yapması teşvik edilebilir.
4. Yeni Ürün Lansmanlarında Öncelik: Bu gruba hitap eden ürün kategorilerinde yeni ürün çıktığında ilk olarak bu müşterilere sunulması, marka ile duygusal bağı güçlendirebilir.
5. Abonelik / Düzenli Teslimat Modeli: Tüketim sıklığı yüksek olan ürünler için abonelik sistemine davet edilerek müşteri elde tutma oranı artırılabilir.

Loyal Customers (2 müşteri)

• Yüksek frekans (F = 8), Recency = 110 → Son zamanlarda biraz uzaklaşmış
• Kişi sayısı az ama dikkat edilmeli

🎯 Kampanya Önerileri:

• Yeniden katılım hediyesi
• “Size özel tekrar hoş geldiniz indirimi”
• Feedback anketi ile temas kur (neden uzaklaştığını öğren)

At Risk (4 müşteri)

• Tenure yüksek (avg. 382 gün), ama Recency de yüksek (312 gün) → Kaybedilmek üzere
• F = 3 → Geçmişte alışveriş yaptı

🎯 Kampanya Önerileri:

• “Sizi özledik” başlıklı e-posta + özel %20 indirim
• Ürün önerileri: daha önce aldıkları ürünlere benzer tavsiyeler
• “Bir dahaki alışverişinizde ücretsiz kargo” promosyonu

Hibernating (227 müşteri)

• En geniş segment
• Recency en yüksek (317 gün) → Çok uzun süredir alışveriş yapmamış
• Tek alışveriş yapan müşteri (F = 1)

🎯 Kampanya Önerileri:

• Otomatik e-posta serisi (3 hafta süren “geri kazanım kampanyası”)
• “Daha önce alanların favorisi şu anda indirimde!” tarzında tetikleyici içerikler
• Yeni ürün tanıtımları veya sezonluk kampanya duyurusu

Need Attention (10 müşteri)

• Ortalama monetary çok yüksek ($7,028), Basket Size $2,160
• Recency makul (203 gün)

🎯 Kampanya Önerileri:

• Yüksek sepet harcaması yapan VIP adayı → Hemen kaybedilmemeli
• Sadakat programı ile bağlanmalı
• “Yalnızca size özel teklif” e-postası

About to Sleep (63 müşteri)

• Orta derece uzaklaşmış, genellikle tek alışveriş (F=1), Recency = 217 gün

🎯 Kampanya Önerileri:

• Hafif geri kazanım kampanyası
• Yeni ürün kategorileri önerisi → belki ilgisini çeker
• “Yıl dönümünüz kutlu olsun” tarzı kişiselleştirilmiş mesajlar

Sonuç

Bu proje, Excel ortamında müşteri verilerinin hazırlanması, RFM analizi ile segmentasyon yapılması ve sepet analizi ile ürün bazlı satın alma davranışlarının incelenmesini bir araya getirerek, müşteri değeri yönetimi ve hedefli pazarlama stratejileri için uygulanabilir içgörüler sunmaktadır.

• Teknik Beceriler: Veri düzenleme, segment entegrasyonu, RFM metrikleri oluşturma, pivot tablo ile analiz, sepet analizi, ürün bazlı sıralama,
• Analitik Yetkinlik: Segment bazlı müşteri davranış analizi, potansiyel müşteri tespiti, sepet kompozisyonu çıkarımı, çapraz satış ve upsell fırsatlarının belirlenmesi
• Stratejik Yaklaşım: Segment bazlı kampanya geliştirme, potansiyel sadık müşterilerin sadakat programlarına dahil edilmesi, yüksek talep gören ürünler üzerinden marka bağlılığının güçlendirilmesi, ürün kombinasyonlarının sepet analizi sonuçlarına kurgulanması