[]
bu ürünü alan şunu da aldı analizi
nasıl yapılıyor bu? hangi programla mesela? excel'le yapılır mı :(
veri oldugu icin evet.
ama cikarim olsaydi. mesela bu urunu seven sunlari da sever.
o zaman isin icine machine learning, ai falan giriyor.
ama cikarim olsaydi. mesela bu urunu seven sunlari da sever.
o zaman isin icine machine learning, ai falan giriyor.
- buenosdias (20.08.21 17:09:23)
buenosdias +1
Hiç yapmadım ama bence excel ile gayet güzel yapılır.
Hiç yapmadım ama bence excel ile gayet güzel yapılır.
- IncredibleMau (20.08.21 17:13:55)
excel'i bilemem ama anahtar kelime olarak association analysis, collaborative filtering gibi seylere bakabilirsin.
- chezidek (20.08.21 21:35:05)
Valla excel bilmediğim için onunla yapılır mı bilmiyorum ama tahminim yapılabileceğıiyönünde. Ama öyle veriyi attım bana sonuç versin, magic olsun olayı yok, mantığını biraz anlamanız lazım.
Şimdi bunu alan şunu da aldı olayı zaten düz veri. Yani elinde o bilgi varsa tak tak diye görebilirsin. Onu gördükten sonra şunu alan bunu da alır diye tahmin etme işi var (asıl bunu sorduğunu düşünüyorum), o da şöyle oluyor:
Temelde 2 yöntem var.
1- Ürünlerin arasındaki ilişkiyi biliyorsun. Mesela birisi plaj terliği alıyorsa, demek ki denize gidecek, ona mayo ya da güneş kremi de önerebilirsin. Çünkü bunlar alakalı ürünler. Veya hep korku filmi izlediyse yine korku filmi öneriyorsun, çünkü sevdiği tür filmler onlar.
2- Ürünler arasındaki ilişkiyi bilmiyorsun, ama kullanıcıların uzun soluklu satın alma verisi var. Oradan da şunu çıkarıyorsun, 100 kişi gidip A ürününü aldıktan sonra B ürününü de almış. Yeni gelen eleman A ürününe bakıyorsa, yan tarafda B ürünün de gösterebilirsin, çünkü önceki veri sana bunu söylüyor.
Genelde bu öneri sistemleri bu iki yöntemin karışımı bir strateji uyguluyorlar, herkesin yaptığı biraz daha farklı.
İkinci yöntemde en basit yaklaşım da şu: şimdi diyelim elinde 10 tane ürün var, her kullanıcının da bu ürünleri kaç kere aldığını biliyorsun. O zaman aslında elinde her kullanıcı için 10 boyutlu bir vektör oluyor. Şimdi yeni bi kullanıcın var, kosinüs benzerliğinden (satın alma bilgisini vektör yapmıştık ya) o kullanıcıya en benzer kullanıcıları buluyorsun, sonra en benzer kullanıcıların satın aldığı, ama yeni elemanın henüz almadığı ürünleri ona önermeye başlıyorsun.
İşte bunlardan sonra bütçedir, kampanyadır şudur budur elinde ne bilgi varsa üstüne ekleyip süreci test ederek daha da optimize etmen mümkün.
Piyasada bundan çok daha karışık öneri sistemleri kullanılıyor tabi, ama ben bunu yaptım ve genelde çalışıyor gibiydi. Benim işimi gördü yani. Bişeyi test edeceksen, fazla data science bilgin olmadan, düz matematikle az da olsa ilerleyebiliyorsun.
Şimdi bunu alan şunu da aldı olayı zaten düz veri. Yani elinde o bilgi varsa tak tak diye görebilirsin. Onu gördükten sonra şunu alan bunu da alır diye tahmin etme işi var (asıl bunu sorduğunu düşünüyorum), o da şöyle oluyor:
Temelde 2 yöntem var.
1- Ürünlerin arasındaki ilişkiyi biliyorsun. Mesela birisi plaj terliği alıyorsa, demek ki denize gidecek, ona mayo ya da güneş kremi de önerebilirsin. Çünkü bunlar alakalı ürünler. Veya hep korku filmi izlediyse yine korku filmi öneriyorsun, çünkü sevdiği tür filmler onlar.
2- Ürünler arasındaki ilişkiyi bilmiyorsun, ama kullanıcıların uzun soluklu satın alma verisi var. Oradan da şunu çıkarıyorsun, 100 kişi gidip A ürününü aldıktan sonra B ürününü de almış. Yeni gelen eleman A ürününe bakıyorsa, yan tarafda B ürünün de gösterebilirsin, çünkü önceki veri sana bunu söylüyor.
Genelde bu öneri sistemleri bu iki yöntemin karışımı bir strateji uyguluyorlar, herkesin yaptığı biraz daha farklı.
İkinci yöntemde en basit yaklaşım da şu: şimdi diyelim elinde 10 tane ürün var, her kullanıcının da bu ürünleri kaç kere aldığını biliyorsun. O zaman aslında elinde her kullanıcı için 10 boyutlu bir vektör oluyor. Şimdi yeni bi kullanıcın var, kosinüs benzerliğinden (satın alma bilgisini vektör yapmıştık ya) o kullanıcıya en benzer kullanıcıları buluyorsun, sonra en benzer kullanıcıların satın aldığı, ama yeni elemanın henüz almadığı ürünleri ona önermeye başlıyorsun.
İşte bunlardan sonra bütçedir, kampanyadır şudur budur elinde ne bilgi varsa üstüne ekleyip süreci test ederek daha da optimize etmen mümkün.
Piyasada bundan çok daha karışık öneri sistemleri kullanılıyor tabi, ama ben bunu yaptım ve genelde çalışıyor gibiydi. Benim işimi gördü yani. Bişeyi test edeceksen, fazla data science bilgin olmadan, düz matematikle az da olsa ilerleyebiliyorsun.
- plutongezegendegilmi (20.08.21 22:27:11 ~ 22:27:27)
1