Mobilya sektöründe satış sonrası hizmetler bölümünde veri madenciliği uygulaması

Öz

Bu çalışmada mobilya sektöründe satış sonrası hizmetler alanında müşterilerin yedek parçalı çağrılarına (yedek parça kullanarak tamir-bakım yapma süreci) daha kısa sürede cevap vererek (yani yedek parçalarını daha kısa sürede tedarik edip ilgili bölgesine sevk ederek) daha kısa sürede ürünlerine tamir-bakım işlemlerini gerçekleştirmek ve böylece müşteri memnuniyetini artırmak amaçlanmıştır. Aynı çağrı numarasının altındaki tüm yedek parçalar bölgeye ulaştıktan sonra müşterinin sorunlu olan ürününün tamiratı ancak yapılabilir. Aynı çağrı numarası altında birlikte sipariş olarak çekilen kalemlerin tespiti Weka paket programı yardımıyla birliktelik analizi çıkarımı veri madenciliği uygulamasıyla yapılmıştır. Her geçen gün büyük önem kazanan ve en az üretim kadar büyük öneme sahip olduğu artık herkes tarafından kabul edilen satış sonrası hizmetler sektöründe müşteri memnuniyetini artırmak için birliktelik analizi yapılarak yedek parça stok tutma uygulaması bu alanda yapılan bir ilk uygulamadır. Birliktelik analizi çalışmasının oldukça farklı uygulama ve kullanım alanları da vardır. Bu çalışma sonunda depodan yedek parça toplama süresinde %19,3’lük bir iyileşme sağlanmıştır.

Anahtar Kelimeler

• Mobilya sektörü
• Satış sonrası hizmetler
• Veri madenciliği
• Birliktelik analizi

Data mining application in after sales services department in furniture industry

Abstract

In the field of after-sales services in the furniture sector, it is aimed to increase customer satisfaction by responding to customers' calls for spare parts (repair-maintenance process using spare parts) in a shorter time, that is, by supplying spare parts in a shorter time and sending them to the relevant region, by performing repair-maintenance operations on their products in a shorter time. After all spare parts under the same call number reach the area, the customer's problematic product can only be repaired. The determination of the items that were taken together as an order under the same call number was made with the help of the Weka package program, with the help of data mining association analysis application. In order to increase customer satisfaction in the after-sales services sector, which is gaining importance day by day and is now accepted by everyone as being as important as production, the practice of keeping spare parts stock by making association analysis is the first application in this field. The association analysis study also has quite different application and usage areas. At the end of this study, an improvement of 19.3% was achieved in the spare part collection time from the warehouse.

Keywords

• Furniture industry
• After sales services
• Data mining
• Association analysis

Kaynakça

1. Türedi, H., 2010. Zonguldak İli Mobilya Sektöründe Satış Sonrası Hizmet Üzerine Bir Araştırma. Bartın Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Bartın, 75 s.
2. Cıranoğlu, M., 2018. Mobilya sektöründe satış sonrası hizmetlerin ürünlerin değer algıları üzerine etkisi: Bursa ili İnegöl ilçesinde bir alan çalışması. Mehmet Akif Ersoy Üniversitesi İktisadi ve İdari Bilimler Dergisi, 5 (3): 783-796
3. Çelik, H., Bengül, S.S., 2008. Satış sonrası hizmetler ve ürün garantilerinin müşteri tatmini, memnuniyeti ve marka sadakati üzerindeki etkileri. Hacettepe Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26 (2): 105-120
4. Çelik, M., 2021. Otomotiv Sektöründe Satış Sonrası Hizmetlerin Müşteri Memnuniyeti Üzerine Araştırma; Bir Yetkili Servis Örneği. İstanbul Okan Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, İstanbul, 103 s.
5. Şengün, A. M., 2021. Elektrikli Süpürge Sektörü İçin Müşteri Memnuniyeti İndeksi Modeli: Kısmi En Küçük Karelerle Yapısal Eşitlik Modelleme. İstanbul Teknik Üniversitesi, Lisansüstü Eğitim Enstitüsü, Yüksek Lisans Tezi, İstanbul, 73 s.
6. Bekturgan, N., 2021. Satış Sonrası Müşteri Hizmetlerinin Müşterilerin Marka Bağlılıkları Üzerindeki Etkisi: Otomotiv Sektöründe Bir Uygulama. Gaziantep Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Gaziantep, 60 s.
7. Taşdemir, C., 2019. Satış Sonrası Müşteri Hizmetlerinin Müşteri Tatminine Etkisi: Otomotiv Sektöründe Bir Araştırma. Bahçeşehir Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, İstanbul, 95 s.
8. Sarıkulak, Y., 2019. Uluslararası Pazarlarda Satış Sonrası Hizmet Sunan Distribütörlerin Hizmet Kalitesi ve Firma Memnuniyeti: Makina İmalat Sanayinde Bir Uygulama. Anadolu Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Eskişehir, 89 s.

9. Mermertaş, K., 2020. E-perakende Sektöründe Satış Sonrası Hizmetlerin Müşteri Tatmini ve Tekrar Satın Alma Niyetine Etkisi. Maltepe Üniversitesi, Lisansüstü Eğitim Enstitüsü, Yüksek Lisans Tezi, İstanbul, 77 s.
10. Okumuş, D., 2019. Türkiye İş Makinası Sektörü Satış Sonrası Hizmetlerinde Müşteri Tercihlerinin Belirlenmesi, Kriz Öncesi ve Sonrasının Kıyaslanması. İstanbul Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul, 79 s.
11. Gönüller, Ş., 2016. Satış Sonrası Hizmetlerde Müşteri Sadakatinin Öncülleri: Otomotiv Sektöründe Bir Araştırma. Uludağ Üniversitesi, Sosyal Bilimler Enstitüsü, Doktora Tezi, Bursa, 194 s.
12. Khankıshıyeva, T., Yıldırım, G., 2020. Satış sonrası müşteri hizmetlerinin marka bağlılığı üzerindeki etkisi. İstanbul Aydın Üniversitesi Dergisi, 12 (1): 55-69 Bayır, T., 2022. Online alışverişlerde satış sonrası hizmetler ile e-sadakat ilişkisinde, e-memnuniyet aracılık rolü: y kuşağı tüketicileri üzerine bir araştırma. Süleyman Demirel Üniversitesi Vizyoner Dergisi, 13 (33): 221-235
13. Yolver, E., 2019. Dayanıklı Tüketim Sektöründe Satış Sonrası Servis Ağı Tasarımı: İstanbul İli İçin Bir Uygulama. Yıldız Teknik Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul, 82 s.
14. Özgören, Ö.G.F., 2014. Satış sonrası hizmetin müşteri sadakatine etkisi ve Erisson örneği. Marmara Sosyal Araştırmalar Dergisi, 0 (2): 1-23
15. Özgüner, Z., Kurtuldu, H.S., 2015. Yetkili servislerde verilen satış sonrası hizmetlerin, müşteri memnuniyetine etkisi: İstanbul ili otomotiv sektöründe bir uygulama. Çankırı Karatekin Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5 (2): 569-589
16. Yıldırır, S.C., 2014. Satış öncesi ve satış sonrası müşteri hizmetlerinin müşteri sadakati üzerindeki etkisinin karşılaştırılması. Bitlis Eren Üniversitesi Sosyal Bilimler Dergisi, 3 (2): 65-84 Akyüz, İ., 2011. Mobilya satış mağazalarında müşteri ilişkileri yönetimi üzerine bir araştırma. Artvin Çoruh Üniversitesi Orman Fakültesi Dergisi, 5 (2): 113-123 Duman, E., 2019. Müşteri Sadakatini Güçlendirmede Satış Sonrası Hizmetlerin Rolü. Beykent Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, İstanbul, 56 s. Mehmet, R., 2019. Mobilya Tercihinde Etkili Olan Faktörler: Bursa İlinde Bir Uygulama. Van Yüzüncü Yıl Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, Van, 78 s.
17. Sümer, B.A., 2019. Hizmet Kalitesinin Müşteri Memnuniyeti ve Fazla Fiyat Ödeme İstekliliği Üzerindeki Olası Etkilerinin İncelenmesi. Bahçeşehir Üniversitesi, Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi, İstanbul, 45 s.
18. Sabah, L., Bayraktar, H., 2020. Veri madenciliği birliktelik kuralları ile binaların risk durumlarının analizi: Kaynaşlı, Düzce örneği. Gazi Mühendislik Bilimleri Dergisi, 6 (1): 70-78
19. Doğan, O., 2015. Bir e-ticaret sitesi kullanıcı hesaplarında şifre yapılarının birliktelik kuralları ile incelenmesi. Journal of Internet Applications and Management, 6 (2): 49-61
20. Demirok, Y., 2018. Birliktelik Kuralı Yöntemleri ile E-Ticaret Satışlarının Analizi. Maltepe Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, İstanbul, 56 s.
21. Eker, M.E., Oktaş, R., Kayhan, G., 2015. Apriori Algoritması ve Türkiye’deki Örnek Uygulamaları. Ondokuz Mayıs Üniversitesi, Fen Bilimleri Enstitüsü, Samsun
22. Tokyürek, E., Yüzgeç, U., 2018. Weka ile birliktelik kural çıkarım algoritmaları kullanılarak market sepet analizi, 631-636, Uluslararası Bilim ve Akademi Kongresi’18, Aralık 2018, Konya
23. Alaeddinoğlu, M.F., Aydın, T., Dal, D., 2012. Birliktelik kuralları ile mekânsal-zamansal veri madenciliği. EÜFBED – Fen Bilimleri Enstitüsü Dergisi, 5 (2): 191-212
24. Karaibrahimoğlu, A., 2014. Veri Madenciliğinden Birliktelik Kuralı ile Onkoloji Verilerinin Analiz Edilmesi: Meram Tıp Fakültesi Onkoloji Örneği. Selçuk Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, Konya, 116 s.
25. Tontuş, H., 2020. Sarf Malzeme Kullanımından Veri Madenciliği Birliktelik Kurallarının Elde Edilmesi, Kuralların Analizi ve Sınıflandırılması. Gazi Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Ankara, 111 s.
26. Koç, M., Karabatak, M., 2012. Sosyal ağların öğrenciler üzerindeki etkisinin veri madenciliği kullanılarak incelenmesi. E-Journal of New World Sciences Academy, 7 (1): 155-164
27. Değirmenci, T., 2014. Resmi İstatistiklerde Veri Madenciliği Yaklaşımı. Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Yüksek Lisans Tezi, Kayseri, 120 s.
28. Jiang, T., Chen, X., Jiang, H., 2022. Association analysis in food sampling inspection data. In MATEC Web of Conferences (Vol. 355). EDP Sciences. https://doi.org/10.1051/matecconf/202235502033,
29. Ningsih, A. Y., Sihombing, V., Sitorus, S. P., 2022. Implementation of a priori algorithm for book lending at state high school library I Silima Pungaga-Punga Parongil. Sinkron: jurnal dan penelitian teknik informatika, 7(1), 196-203. https://doi.org/10.33395/sinkron.v7i1.11257
30. Jawthari, M., Stoffa, V., 2022. Relation between Student Engagement and Demographic Characteristics in Distance Learning Using Association Rules. Electronics 2022, 11, 724. https://doi.org/ 10.3390/electronics11050724
31. Ferooz, F., Hassan, M.T., Mahmood, S., Asim, H., Idrees, M., Assam, M., Mohamed, A., Attia, 2022. E.-A. Risk and Pattern Analysis of Pakistani Crime Data Using Unsupervised Learning Techniques. Appl. Sci. 2022, 12, 3675. https:// doi.org/10.3390/app12073675
32. Chakraborty, S., Mallick, B., & Chakraborty, S., 2022. Mining of association rules for treatment of dental diseases. Journal of Decision Analytics and Intelligent Computing, 2(1), 1-11. https://doi.org/10.31181/jdaic10028042022c
33. Drias, Y., Drias, H., 2022. Sentiment Evolution Analysis and Association Rule Mining for COVID-19 Tweets. https://doi.org/10.33847/2712-8148.2.2_1
34. Wang, Y., 2022. Internet Medical Privacy Disclosure Mining and Prediction Model Construction Based on Association Rules. Tehnički vjesnik, 29(1), 231-238.
35. Abdelfattah, A., Ahmed, A., Maha, L., Hussain, B. A., 2022. Energy Consumption Patterns and Inter-Appliance Associations using Data Mining Techniques. In E3S Web of Conferences (Vol. 336, p. 00040). EDP Sciences. https://doi.org/10.1051/e3sconf/202233600040
36. Xia, B., Ruan, Y., 2022. Function Replacement Decision-Making for Parking Space Renewal Based on Association Rules Mining. Land, 11(2), 156. https://doi.org/10.3390/land11020156
37. Rezaei, M., Sanayei, A., Amiri Aghdaie, S. F., Ansari, A., 2022. Improving the Omnichannel Customers’ Lifetime Value Using Association Rules Data Mining: A Case Study of Agriculture Bank of Iran. Iranian Journal of Management Studies, 15(1), 49-68.
38. Gakii, C., Mireji, P. O., Rimiru, R., 2022. Graph Based Feature Selection for Reduction of Dimensionality in Next-Generation RNA Sequencing Datasets. Algorithms, 15(1), 21.
39. Han, J., Kamber, M., Pei, J., 2011. Data Mining: Concepts and Techniques, Third Edition, Morgan Kaufmann Publishers, 3rd Ed., San Francisco, USA.
40. Kulluk, S., 2009. Karınca Koloni Optimizasyonu ile Yapay Sinir Ağlarından Kural Çıkarımı. Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, Doktora Tezi, Kayseri, 305 s.
41. Silahtaroğlu, G., 2013. Veri Madenciliği Kavram ve Algoritmaları. Papatya Yayıncılık ve Eğitim, İstanbul, 305 s.
42. The Economic Times., (Web Sayfası: https://m.economictimes.com/definition/data-minig/amp), (Erişim Tarihi: Mart 2022)
43. Talend., (Web Sayfası: https://www.talend.com/resources/what-is-data-mining/), (Erişim Tarihi: Mart 2022)
44. Akgöbek, Ö., Çakır, F., 2009. Veri madenciliğinde bir uzman sistem tasarımı, 801-806, Akademik Bilişim ’09, 11-13 Şubat 2009, Harran Üniversitesi, Şanlıurfa
45. Gürbüz, F., Özbakır, L., Yapıcı, H., 2020. Türkiye’de bir havayolu işletmesine ait parça söküm raporlarına ilişkin veri madenciliği uygulaması. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 24 (1): 73-78
46. Şeker, Ş.E., 2013. İş Zekası ve Veri Madenciliği (Weka ile). Cinius, İstanbul, 206 s.
47. Software Testing Help., (Web Sayfası: https://www.softwaretestinghelp.com/data-mining-process/), (Erişim Tarihi: Mart 2022)
48. Albayrak, M., 2017. The use of data mining in scientific research. International Journal of Social Sciences and Education Research, 3 (2): 751-760
49. Özkan, Y., 2016. Veri Madenciliği Yöntemleri. Papatya Yayıncılık. İstanbul, 233 s.
50. Oğuzlar, A., 2004. Veri madenciliğinde birliktelik kuralları. Öneri Dergisi, 6 (22): 315-321
51. Veri Bilimi Okulu., (Web Sayfası: https://www.veribilimiokulu.com/associationrulesanalysis/), (Erişim Tarihi: Mart 2022)
52. Agrawal, R., Imielinski, T., Swami, A., 1993. Mining association rules between sets of items in large databases, 207-216, Proceeding of the 1993 ACM SIGMOD International Conference on Management of Data, 25-28 May 1993, Washington DC
53. Ateş, Y., Karabatak, M., 2017. Nicel birliktelik kuralları için çoklu minimum destek değeri. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 29 (2): 57-65.