İkinci El Araçların Satış Profillerinin Kümeleme Analizi ile Belirlenmesi


Creative Commons License

Tüzemen A., Çam S., Tuna M. F.

Uluslararası Katılımlı 16. Üretim Araştırmaları Sempozyumu, İstanbul, Türkiye, 12 - 14 Ekim 2016, cilt.1, ss.1172-1177

  • Cilt numarası: 1
  • Basıldığı Şehir: İstanbul
  • Basıldığı Ülke: Türkiye
  • Sayfa Sayıları: ss.1172-1177

Özet

İkinci el araba satışı oldukça hızlı seyreden ve mali olarak da yüksek bir hacmi temsil eden bir pazardır. Ancak fiyat belirleme aşamasında kişisel satışın çoğunlukta olması sebebi ile makul seviyeleri bulmak her zaman mümkün olmamaktadır. İkinci el arabalar hakkındaki verilerin çeşitli ve fazla olması tüketicilerin seçimlerini zorlaştırmaktadır. Örneğin; tüketici ihtiyaçlarına göre yatırım amacı, iklim şartları, aile büyüklüğü gibi etmenler araba alımlarında belirleyici olabilmektedir. Bu çalışmanın amacı tüketiciler için karmaşık bir karar süreci olan ikinci el araba alımının daha temel ve kolay adımlarla açıklanabilmesidir. Türkiye’deki iklim farklılıklarını da göz önüne alarak, çalışmanın yapılabilmesi için uygun iller belirlenmiştir. Bu illerdeki ikinci el araçların özellikleri ve fiyatları göz önüne alınarak marka, model, üretim yılı gibi parametreler göz önüne alınmış ve kümeler belirlenmeye çalışılmıştır. Böylelikle oluşan kümelere göre tüketicilerin hangi temel özelliklerde ikinci el araba seçecekleri hususunda yardımcı olunmak istenmiştir. Veri sayısının oldukça fazla olması sebebi ile normal istatistiksel analizlerin uygulanabilmesi mümkün olmamaktadır. Dolayısı ile çalışmada veri madenciliği tekniklerinden olan kümeleme analizi uygulanmıştır. Kümeleme analizinin uygulanmasında değişkenlerin yapısı (ölçek tipi, aralık, büyüklük v.s.) kullanılacak tekniği de etkilemektedir. Dolayısı ile analiz sırasında klasik bir kümeleme metodu olan merkezileştirme metodu ve büyük veri setleri ile çalışması daha uygun olan yoğunluk temelli teknikler kullanılmıştır. Her iki tekniğin sonuçları değerlendirilmiş ve en uygun kararlar dizisine ulaşılmaya çalışılmıştır. Analiz sonucunda araçların hem illere hem de teknik özelliklerine göre kümelendiği anlaşılmaktadır. Örneğin A, B ve C sınıfı araçların denize kıyısı olan illerde ortak bir kümede toplandığı, benzer şekilde nispi olarak soğuk olan illerde ise yüksek sınıf araçların bir kümede toplandığı görülmüştür. Böylelikle veri madenciliği tekniklerinden olan kümeleme analizi ile ikinci el araç tercihinin yapılabileceği anlaşılmaktadır

Second-hand car sale represents a market which progress rapidly and has high volume in terms of finance. However, due to the fact that predomination of personal selling in the stage of price determination make difficult to determine reasonable levels at all times. Moreover, because of the abundance of data about second-hand cars makes difficult consumers’ choices. For instance, factors such as climatic conditions, familiy size,investment purposes according to consumer needs can be determinative by purchasing cars. The aim of this study is explanating of second-hand cars’ process which is a complicated decision process for consumers with easier and more basic steps. Considering climatic differences in Turkey, proper cities that represent climatic conditions best for the study was determined. Taking account of features and prices of second-hand cars located in these cities, parameters such as brand name, model year, production year were regarded and clusters were determined. Using normal statistical methods can not be possible because there is quite a few of data. For that reason, clustering analysis which is one of data mining techniques was used in the study. Structure of variables (scale type, interval, size) imposes implementing analysis technique. So, centering method which is a classical clustering method and density-based techniques which is more suitable for analysis with big data were used during analysis process. Results of both techniques were evaluated and it was tried to reach best solutions. In consequence of the analysis it was appeared that cars were clustered according to both cities and technical features. For example, cars involve in A, B and C classes were gathered in common clusters with coastal cities, similarly, high level cars were gathered in common clusters with colder cities. Hereby, it was cleared that clustering analysis which is one of the data mining techniques can be used by determination of second-hand car choices