Sign in

Oğuz Erdoğan

E-ticaret ya da perakende sektöründe müşteriler ve şirketler arasındaki ilişki sözleşmeye dayalı olmayan bir ilişkidir.

Buna benzer sözleşmesiz bir iş dünyasında kullanıcıların churn olması (kayıp) genellikle sessizce gerçekleşen bir eylemdir ve bu kullanıcıların aslında uykuda mı olduklarını ya da churn mü olduklarını anlayabilmek oldukça güçtür.

Bu durum Customer Lifetime Value hesabınında da zorluk çıkartır.

Bu yazımda sözleşmesiz iş modelleri için BG\NBD & Gamma Gamma Modelleri ile CLTV tahmini yapacağız. Kullanıcıların geçmiş alışveriş alışkanlıklarıyla kuracağımız modeller ile bize belirli zaman periyotları içerisinde hangi müşterilerimizin geleceğini, en kârlı müşterilerimizi ve müşterilerimizin CLTV değerlerinin tahmini yapacağız.

Eğer CLTV hakkında bilgi sahibi değilseniz serinin…


Retention Rate üzerindeki %5lik bir artış, kârda %25 artış sağlamaktadır.

Yeni bir müşteri edinmek, mevcut bir müşteriyi elde tutmaktan 5 ila 25 kat daha pahalıdır.

Mevcut müşteriler, yeni müşterilere göre ortalama %67 daha fazla para harcıyorlar.

Şirketler bu bilgilere nasıl mı ulaşıyorlar?

CRM sayesinde!

Bu seride;

CRM Analitiği konularında sıkça ele alınan;

  • RFM Analizi ile Müşteri Segmentasyonu
  • Basit Customer Lifetime Value hesaplaması
  • BGNBD-GammaGamma modelleri ile gelişmiş CLTV projeksiyonu
  • Makine Öğrenmesi algoritmalarından K-means ile müşteri segmentasyonu

konularını ele alıyoruz.

Bu yazımda ise sizlere CRM Analitiğinde en önemli metriklerden olan Customer Lifetime Value’den bahsedeceğim

CRM — Customer Relationship Management

CRM Nedir?

Müşteri İlişkileri Yönetimidir.

Şirketlerin aktif ya da potansiyel müşteri verilerini…


Merhaba, bu yazımda makine öğrenmesi kullanmadan sadece pandas fonksiyonlarını kullanarak, basit kural tabanlı bir segmentasyon çalışması yapacağız.

Elimizdeki kullanıcı bilgileri ve kullanıcıların yapmış oldukları satın alma işlemlerinin bilgilerini kullanarak, yeni müşteri tanımlamaları (level based persona) oluşturacağız.

Ardından oluşturduğumuz bu müşteri tanımları ile, yeni gelecek bir kişinin hangi segmentte olduğunu tahmin etmeye çalışacağız.

Çalışmanın kodlarına buradan ulaşabilirsiniz.

Yazı içeriğinde şunlarla karşılaşacaksınız:

  • Persona kavramını düşünme
  • Levellara göre yeni müşteri tanımları yapabilme
  • Yeni gelen bir müşteriyi oluşturulan segmentlere göre sınıflandırma.

Python tarafında ele alacaklarımız ise:

  • Kullanıcı id’leri ortak olan ve çoklanmış verilerden oluşan iki farklı tabloda kontrol işlemleri ve bu tabloları birleştirme
  • Groupby…

Dünya nüfusunun %20’si toplam zenginliğin %80ini oluşturuyor.

Şirketlerin sattığı ürünlerin %20’si toplam kârlılığın %80’ini oluşturuyor.

Sizin bir şirketiniz yok mu ?

%80 ihtimalle, siz de dolabınızdaki kıyafetlerinizin %20sini giyiyor veya arkadaşlarınızın sadece %20si ile buluşuyorsunuz.

Vilfredo Pareto İtalya topraklarının %80’inin nüfusun %20 sine ait olduğunu farketmiş ve ortaya böyle bir 80/20 Kuralı — Pareto İlkesi çıkmış.

Kuralın anlatmak istediği şey : Sonuçların %80’ini eylemlerin %20si oluşturur.

E-ticarette 80/20 kuralı, işletmenizin kârının % 80'inin — müşterilerinizin yaklaşık% 20'sinden geldiği anlamına gelir.

Peki garip bir şekilde gözlemlenen bu kurala göre, kârınızı arttırabilecek o değerli %20 müşterinizi nasıl bulacaksınız ?

Şayet bulabildiniz, onlara…


Merhabalar geçen yazımda Linux’un tanınımdan temel komutlarından ve her dizinde çalıştırılabilir bir script için PATH mantığını anlatmıştım. Eğer Linux’a yeni başlıyor ve temel komutları incelemek istiyorsanız ilk yazımı okumanızı tavsiye ederim. Aşağıdaki linkten serinin ilk yazısını okuyabilirsiniz.

Serinin ilk yazısını okumak için;

Linux Başlangıcı & Temel Linux Komutları — 1

Bu yazımda;

Klasör ve dosya işlemlerinden,

Hata raporlarını bir dosyaya nasıl aktarabileceğimizden,

Sıralama işlemlerinden

Dosya ve klasörleri sıkıştırma ve arşivleme işlemlerinden

Vi Text Editöründen bahsedeceğim.

Herkese keyifli okumalar ve güzel bir keşif süreci diliyorum!

Linux Klasör İşlemleri

mkdir ile yeni klasör açıyoruz

touch yeni boş dosya oluşturmamıza yarıyor.

nano myfile ile de bu…


Merhaba, bu yazımda kısaca Linux’un tanımından ve en yaygın komutlarından bahsedeceğim.

Linux nedir?

Bilinenin aksine Linux bir işletim sistemi değil, işletim sistemi çekirdeğidir.

GNU/Linux, Linus Torvalds adında Finlandiyalı bir bilgisayar mühendisinin 1991 yılında Helsinki Üniversitesi’nde bir öğrenci iken geliştirmeye başladığı Unix tabanlı bir işletim sistemi çekirdeğidir.

Halen daha gelişmekte olan açık kaynak kodlu, özgür bir yazılımdır. Linux dağıtımları bu çekirdeği kullanarak ihtiyaç ve amaçlar doğrultusunda geliştirilerek özelleştirilebilir.

Ubuntu, CentOS, Debian, RedHat, Solaris bu Linux dağıtımlarına örnektir.

Dilerseniz GNU/Linux çekirdeğinin ve GNU/Linux dağıtımlarında kullanılan programların çoğunun kaynak kodlarını görebilir veya değiştirebilirsiniz ve isterseniz GNU/Linux çekirdeğini ve GNU/Linux dağıtımlarında kullanılan programların çoğunu kaynak kodu…


Merhabalar, daha önce veri ön işleme adımlarından bahsetmiştim. Bu yazımda karşılaştığımız aykırı değerlerle başa çıkmada kullandığımız yöntemleri uygulamaya döküyorum.

Bu çalışmada Python dilini kullanıyorum ve JupyterLab notebook’u üzerinden işlemlerimi yapacağım.

Hatırlatmak maksadıyla aykırı gözlem ve aykırı değer tanımlarını tekrardan ele alalım.

Aykırı Gözlem : Bir veri setindeki gözlemlerin geri kalanından büyük ölçüde farklı olan gözlemlerdir. Diğer bir tanımla genel eğilimin oldukça dışına çıkan gözlemdir.

Aykırılığı ifade eden nümerik değer aykırı değer,

Aykırı değeri barından gözlem birimi ise aykırı gözlem olarak tanımlandırılır.


Herkese merhaba. Bu yazımda makine öğrenmesi modellerinin olmazsa olmaz aşamalarından “Data Processing” yani Türkçe’siyle veri ön işleme kısmını sizlere konu başlıklarıyla anlatacağım.

If Your Data Is Bad, Your Machine Learning Tools Are Useless

Eğer veriniz kötüyse, makine öğrenmesi araçlarınız kullanışsızdır diyor Thomas C. Redman Hbr’de yayınlanan bir makalesinde.

Çoğu zaman önümüze gelen veri oldukça karmaşık yapılarda ve veri bilimci tahmin modelini eğitmeden önce bunları temizlemek zorunda. Bunun için vaktinin 80%'ini bu aşamada harcıyor ve veri bilimcilerin en çok şikayet ettiği sorunun bu olduğundan bahsediyor aynı zamanda.

Peki verimizi nasıl daha iyi yapabiliriz, hangi yöntemleri kullanırız ?

İşte veri ön işleme…

Oğuz Erdoğan

haliyle emek gerek, biraz da emeklemek

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store