Çevrimiçi tüketici bütünleşmesi ve arama motoru verileri kullanılarak yapay sinir ağları ile otomobil satış tahmini

Abstract

Satış miktarının tahmin edilmesi hammadde alımından reklam giderlerinin belirlenmesine kadar işletmelerde birçok bölüme etki etmektedir. Tüketici verileriyle yapılacak satış tahmininde çok sayıda veriye ihtiyaç duyulmaktadır. Fakat birçok tüketici verisinin kişisel olması nedeniyle kullanılması sorun oluşturmaktadır. Satın alma karar sürecinde etkili olan sosyal ağlar ve arama motorlarına ait veriler değerli olmanın yanında herkesin erişimine açıktır. İşletmeler tüketicilerin kişisel verilerini kullanmadan satış rakamlarını gerçeğe yakın tahmin etmeleri avantaj sağlayabilecektir. Çalışmada tüketicilerin satın alma karar sürecinde etkili ve halka açık olan Çevrimiçi Tüketici Bütünleşme ve arama motoru verileri kullanılarak bir otomobil markasının satış miktarının tahmin edilmesi amaçlanmıştır. Çevrimiçi Tüketici Bütünleşmesinin yoğun yaşandığı işletmeye ait Facebook marka sayfasından 2012-2017 yılları arasında oluşturulan 2267 adet gönderi ve bu gönderilere ait beğenme, yorum ve paylaşma verileri Facebook Graph API ile alınmıştır. Arama motoru verileri Google Trends, satış verileri Otomotiv Distribütörleri Derneği web sitesinden elde edilmiştir. Veriler Min-Max yöntemiyle normalleştirilmiş ve yapay sinir ağları, Bayesian Regülasyon geri yayılım yöntemiyle analiz edilmiştir. Facebook marka sayfası ve arama motoru verileriyle %74 korelasyon ve %1 ortalama hata değeriyle başarılı satış miktarı tahmini yapılmıştır. Ayrıca 6 yılı kapsayan detaylı veriler düzenlenerek tanımlayıcı bilgiler olarak sunulmuştur. Çalışmada tüketicilerin kişisel bilgileri kullanılmadan başarılı satış tahminlemesi yapılmıştır. Çalışma gerçek verilere dayanması ve yapay sinir ağlarının işletme alanında kullanımıyla sektöre ve akademik yazına katkı sağlamaktadır.

Estimation of sales volume affects many segments of the enterprises from raw material purchase to advertising expenses. A large number of consumer data is needed to be used in sales forecasting. But the use of many consumer data is private, causing problems. Data from social networks and search engines, which are influential in the purchasing decision process, are valuable and accessible to everyone. It would be advantageous for businesses to estimate their sales figures as accurate as possible without using consumers' personal data.The sales volume of an automobile brand is aimed to be estimated by using Online Consumer Engagement and search engine data. 2267 posts, created between 2012-2017, likes, comments, and sharing data of these posts were taken from Facebook brand page of the business where Online Consumer Engagement is intense using Facebook Graph API. Search engine data was obtained from Google Trends, and sales data was obtained from Automotive Distributors Association website. Data were normalized by Min-Max method and analyzed by feedforward artificial neural networks and Bayesian Regulation backpropagation method. the correlation value of Successful is %74 and mean error value is %1, was made with Facebook brand page and search engine data. In addition, detailed data covering 6 years has been prepared and presented as descriptive information. In the study, successful sales estimation was made without using the private information of the consumers. This study contributes to the sector and academic literature by relying on real data and using artificial neural networks in the business administration.