dc.contributor.author |
Koltan, Şebnem |
|
dc.contributor.author |
Patır, Said |
|
dc.date.accessioned |
2016-09-29T10:26:25Z |
|
dc.date.available |
2016-09-29T10:26:25Z |
|
dc.date.issued |
2011 |
|
dc.identifier.citation |
Koltan, Ş. Patır, S. (2011). Kümeleme analizi ve pazarlamada kullanımı. İnönü Üniversitesi Akademik Yaklaşımlar Dergisi. Cilt:2, Sayı:1, 91-113 ss. |
tr_TR |
dc.identifier.uri |
http://hdl.handle.net/11616/4575 |
|
dc.description |
İnönü Üniversitesi Akademik Yaklaşımlar Dergisi. (2011). Cilt:2, Sayı:1, 91-113 ss. |
tr_TR |
dc.description.abstract |
Kümeleme analizi, veritabanlarındaki verilerin gruplar veya kümeler altında toplanarak, benzer
özelliklere sahip nesnelerin bir araya gelmesini sağlayan bir veri madenciliği tekniğidir. Bu çalışmada amaç,
pazarlama alanında işletmelerin dikkate alması gereken en önemli ölçütlerin saptanmasında kümeleme analizi
tekniğinin uygun bir yöntem olarak kullanılabileceğini göstermektir. Çalışmada, yeni bir halı temizleyicisini
pazarlayan bir işletmenin tüketici satın alma tercihleri üzerinde etkili 5 faktöre göre oluşturulan 22 profilden
yararlanarak kümeleme analizi tekniği uygulanmıştır. Bu amaçla “Hiyerarşik Kluster (küme) Analizi”
kullanılmıştır. Analiz sonuçları, Dendrogram ve Aglomeratif Çizelge ile de desteklenmiştir. Analizde mesafe
olarak kullanılan Kareli Öklid ve Pearson Yakınlık Matriksi ölçütlerine göre de birbirlerine en çok benzeyen
profiller ve en az benzerlik gösteren profiller saptanmıştır. |
tr_TR |
dc.description.abstract |
Cluster analysis is one of the data mining techniques which identifies groups of samples that behave
similarly or show similar characteristics. The aim of the study indicate cluster analysis techniques are available
method that determining the most important factors which businesses in marketing must taken into consideration
for evaluating their performances. Cluster analysis technique is applied on 22 buying preference profiles about
10 consumers and 5 factors for a firm that marketing for a new carpet cleaner. For this aim, used hierarchial
cluster analysis. The analyses were supported with Dendrogram and Agglomerative Schedule. According to
results of Squared Oklid Distance Calculations and Pearson Proximity Matrix, the highest resemblance profiles
and the least resemblance profiles are determined. |
tr_TR |
dc.language.iso |
tur |
tr_TR |
dc.publisher |
İnönü Üniversitesi Eğitim Fakültesi Dergisi |
tr_TR |
dc.rights |
info:eu-repo/semantics/openAccess |
tr_TR |
dc.subject |
Cluster analysis |
tr_TR |
dc.subject |
Marketing |
tr_TR |
dc.subject |
Agglomerative schedule |
tr_TR |
dc.subject |
Dendrogram |
tr_TR |
dc.subject |
Kümeleme analizi |
tr_TR |
dc.subject |
Pazarlama |
tr_TR |
dc.subject |
Aglomeratif çizelge |
tr_TR |
dc.title |
Kümeleme analizi ve pazarlamada kullanımı |
tr_TR |
dc.title.alternative |
Cluster analysıs and ıts usage ın marketıng |
tr_TR |
dc.type |
article |
tr_TR |
dc.relation.ispartof |
İnönü Üniversitesi Akademik Yaklaşımlar Dergisi |
tr_TR |
dc.department |
İnönü Üniversitesi |
tr_TR |
dc.authorid |
TR45850 |
tr_TR |
dc.identifier.volume |
2 |
tr_TR |
dc.identifier.issue |
1 |
tr_TR |
dc.identifier.startpage |
91 |
tr_TR |
dc.identifier.endpage |
113 |
tr_TR |