Abstract
Perakendecilik sektörünün en önemli faaliyetlerinden biri müşteri ilişkileri yönetimidir. Burada da temel amaç müşterinin istediği ürüne doğru zamanda, en uygun şartlarda ve memnuniyeti yüksek bir şekilde ulaşmasıdır. Bu e-işletmelere ve dijital firmalara da yansımış bir gerçekliktir. Bu gelişmeler ışığında ortaya çıkmış öneri sistemleri ise bu dijital dönüşümün önemli bir parçası olmuştur. E-ticaret sayfalarının artık vazgeçilmezi olan öneri sistemleri genel olarak veri madenciliği yöntemlerini kullanarak müşteri davranışları ile ürün veya hizmetleri en iyi eşleştirmeyi amaçlayan sistemlerdir. Bu sayede hem müşterinin ihtiyaç duyduğu ürünü sunmak hem de müşterinin potansiyel olarak tüketebileceği ürünlere müşterileri yönlendirerek onları satın alma davranışına yönlendirmek mümkün olacaktır. Önemli noktalardan birisi de müşterinin en iyi fiyatı da bulabilmesidir. Bu hedefe ulaşmaktaki rekabet e-ticaret siteleri arasında sürerken müşterilerin doğrudan kendi çıkarlarına yönelik dijital ürünler de pazarda kendisini göstermeye başlamıştır. Bu amaçla geliştirilmiş bazı uygulamalar veya eklentiler de rekabet içerisinde yerini almaktadır. Bu çalışmanın amacı ise e-ticaret sitelerinden ve seçilen ürünün türünden bağımsız bir şekilde en iyi fiyatı bulmayı amaçlayan bir web eklentisi geliştirmektir. Bu öneri sistemi eklentisini test etmek amacı ile yerel bir veri tabanı ve Google Shopping Search API olmak üzere iki çeşit veri kaynağı çalıştırılmıştır.
Keywords
References
- Choi, K., Yoo, D., Kim, G., & Suh, Y. (2012). A Hybrid Online-Product Recommendation System: Combining İmplicit Rating-Based Collaborative Filtering And Sequential Pattern Analysis. Electronic Commerce Research And Applications, 11(4), 309-317.
- Debnath, S., Ganguly, N., & Mitra, P. (2008). Feature Weighting İn Content Based Recommendation System Using Social Network Analysis. In Proceedings Of The 17th İnternational Conference On World Wide Web 1041-1042.
- Hung, L. P. (2005). A Personalized Recommendation System Based On Product Taxonomy For One-To-One Marketing Online. Expert Systems With Applications, 29(2), 383-392.
- Liu, D. R., & Shih, Y. Y. (2005). Integrating AHP And Data Mining For Product Recommendation Based On Customer Lifetime Value. Information & Management, 42(3), 387-400.
- Manikrao, U. S., & Prabhakar, T. V. (2005). Dynamic Selection Of Web Services With Recommendation System. In International Conference On Next Generation Web Services Practices (NWESP'05):IEEE.
- Pazzani, M. J., & Billsus, D. (2007). Content-Based Recommendation Systems. In The Adaptive Web 325-341.
Abstract
References
- Choi, K., Yoo, D., Kim, G., & Suh, Y. (2012). A Hybrid Online-Product Recommendation System: Combining İmplicit Rating-Based Collaborative Filtering And Sequential Pattern Analysis. Electronic Commerce Research And Applications, 11(4), 309-317.
- Debnath, S., Ganguly, N., & Mitra, P. (2008). Feature Weighting İn Content Based Recommendation System Using Social Network Analysis. In Proceedings Of The 17th İnternational Conference On World Wide Web 1041-1042.
- Hung, L. P. (2005). A Personalized Recommendation System Based On Product Taxonomy For One-To-One Marketing Online. Expert Systems With Applications, 29(2), 383-392.
- Liu, D. R., & Shih, Y. Y. (2005). Integrating AHP And Data Mining For Product Recommendation Based On Customer Lifetime Value. Information & Management, 42(3), 387-400.
- Manikrao, U. S., & Prabhakar, T. V. (2005). Dynamic Selection Of Web Services With Recommendation System. In International Conference On Next Generation Web Services Practices (NWESP'05):IEEE.
- Pazzani, M. J., & Billsus, D. (2007). Content-Based Recommendation Systems. In The Adaptive Web 325-341.
Details
| Primary Language | Turkish |
|---|---|
| Journal Section | Articles |
| Authors | |
| Publication Date | December 30, 2020 |
| Published in Issue | Year 2020 Volume: 6 Issue: 2 |