TR202014503A2 - Kampanya sonrasi anali̇z si̇stemi̇ - Google Patents
Kampanya sonrasi anali̇z si̇stemi̇ Download PDFInfo
- Publication number
- TR202014503A2 TR202014503A2 TR2020/14503A TR202014503A TR202014503A2 TR 202014503 A2 TR202014503 A2 TR 202014503A2 TR 2020/14503 A TR2020/14503 A TR 2020/14503A TR 202014503 A TR202014503 A TR 202014503A TR 202014503 A2 TR202014503 A2 TR 202014503A2
- Authority
- TR
- Turkey
- Prior art keywords
- campaign
- campaigns
- data
- analysis
- income
- Prior art date
Links
- 230000006399 behavior Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0204—Market segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0246—Traffic
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Entrepreneurship & Innovation (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Bu buluş, kitlesel kampanyalar yapan telekomünikasyon firmalarında ve diğer sektörlerde faaliyet gösteren firmalarda kampanya sona erdiğinde hem ilgili kampanyaya hem de gelecekte yapılacak olan kampanyalara ilişkin olarak gelir ve abone beklentileri tahminlemesi ve analizinin yapılmasını sağlayan bir sistem (1) ile ilgilidir.
Description
TARIFNAME KAMPANYA SONRASI ANALIZ SISTEMI Teknik Alan Bu bulus, kitlesel kampanyalar yapan telekomünikasyon firmalarinda ve diger sektörlerde faaliyet gösteren firmalarda kampanya sona erdiginde hem ilgili kampanyaya hem de gelecekte yapilacak olan kampanyalara iliskin olarak gelir ve abone beklentileri tahminlemesi ve analizinin yapilmasini Saglayan bir sistem ile Önceki Teknik Günümüzde telekomünikasyon ve diger sektörlerde faaliyet gösteren tîrmalar, yaptiklari kampanyalar sonrasi gelir ölçümü ve müsteri memnuniyeti gibi çesitli çikarimlar yapmaktadir. Çogunlukla manuel yöntemlerle yapilan bu çikarimla firmanin kampanyalardan elde ettigi gelir ve katma deger gibi önemli veriler elde etmesi saglanmaktadir. Ayrica gelecekte yapilacak olan kampanyalar için de önemli rolü olan çiktilar elde edilmektedir. Ancak bu analizlerin manuel olarak sürdürülmesi kimi zaman kitlelerin kampanya disinda kalmasina ve firmalarin kampanyalari potansiyellerinin altinda yürütmelerine sebep olabilmektedir. Mevcut teknikte bulunan çalismalar göz önünde bulunduruldugunda firmalarin yaptiklari kampanyalar sonrasi kampanyaya iliskin kampanya basarisina ve müsteri memnuniyetine iliskin çiktilar elde etmelerini saglayan bir sisteme ihtiyaç duyuldugu anlasilmaktadir. patent dokümaninda belirli bir kullanici için gerçek zamanli olarak bir dizi kampanyanin hesaplanmasini ve ayni zamanda basarinin üst düzeye çikarilmasini saglayacak satici teklif kampanyalarini en iyi sekilde uygulayacak satici/tüccar satis verilerini ve müsteri satin alma verilerini kullanan bilgisayar tarafindan uygulanan yöntemlerden bahsedilmektedir. Bu bulusta kullanici için en iyi kampanyanin tespit edilmesi için çok sayida faktör istatiksel olarak hesaplanmakta ve birlestirilmektedir. Ayrica bu bulus, aktif kampanyalarin basarim seviyeleri ve kalan zamanlari ile ilgilidir. Aktif kampanyalar için her kullanicinin tahinini ilgi düzeyini degerlendirmek üzere makine ögrenmesi uygulanabilmektedir. Bulusun diger uygulamalarinda, algoritmalarin belirli is hedeflerine uyarlamak için çesitli faktörlerin ilgili agirliklari degistirilebilmektedir. Bu bulusta kitleler yani filtre edilen kriter kümesini karsilayan bireysel kullanicilar tanimlanmaktadir. Bu bulusta, finansal davranis ve parasal islem verileri kullanicilarin hedeflenmesi için kullanilmaktadir. Ayrica bu bulusta, makine ögrenmesi teknikleri kullanicinin bir kategoride satin alma olasiligini tahmin eden bir modelde kullanilmaktadir. Bulusun Kisa Açiklamasi Bu bulusun amaciI firmalar tarafindan yapilan kampanyalar sonucunda kampanyadan faydalanan kitlenin ayristirilmasinin ardindan kampanyaya iliskin müsteri memnuniyeti, kampanyanin basarisi gibi verilerin elde edilmesini saglayan Bu bulusun bir diger amaci, firmalarin yaptiklari kampanyalara iliskin elde edilen müsteri memnuniyeti, kampanya basarisi gibi verilerin firmanin gelecekteki kampanyalarini iyilestirmede kullanilmasini saglayan bir sistem gerçeklestirilmektedir. BuIUSun Ayrintili Açiklamasi Bu bulusun amacina ulasmak için gerçeklestirilen "Kampanya Sonrasi Analiz Sistemi" ekli sekilde gösterilmis olup bu sekil; Sekil-1; Bulus konusu sistemin sematik bir görünüsüdür. Sekillerde yer alan parçalar tek tek numaralandirilmis olup, bu numaralarin karsiliklari asagida verilmistir. 1. Sistem 2. Veri sunucusu 3. Analiz sunucusu Bulus konusu kitlesel kampanyalar yapan telekomünikasyon firmalarinda ve diger sektörlerde faaliyet gösteren firmalarda kampanya sona erdiginde hem ilgili kampanyaya hem de gelecekte yapilacak olan kampanyalara iliskin olarak gelir ve abone beklentileri tahminlemesi ve analizinin yapilmasini saglayan bir sistem (1); - firmanin müsterilerine iliskin geçmis gelir, harcama, davranis ve demografik bilgi leri gruplandirmak ve analizde kullanilmaya uygun verileri depolainak üzere yapilandirilan en az bir veri sunucusu (2), - veri sunucusunda (2) gruplandirilan ve analize hazir hale getirilen müsteri verilerini bir arayüz üzerinden alarak bir kontrol grubu olusturmak ve kampanya kitlesini ve kitlenin kampanya öncesi ve sonrasi davranislarini kiyaslayarak kampanyaya iliskin bir gelir gider ve etki analizi yapmak üzere yapilandirilan en az bir analiz sunucusu (3) içerrnektedir. Bulus konusu sistemde (1) yer alan veri sunucusu (2) zamanlanmis biçimde çalismak ve her bir firma müsterisini geçmis gelir durumu, harcamalar, firmadaki davranislari ve demografik bilgileri basta olmak üzere müsteri bilgilerini elde ederek önceden belirlenmis makine ögrenmesi algoritinalari ile gruplandirmak üzere yapilandirilmaktadir. Veri sunucusu (2) müsterileri firmaya kazandirdiklari gelir, demografik özellikler ve ürün/hizmet kullanim aliskanliklari gibi metrikler özelinde benzer davranis göstermeleri bakimindan gruplandirmak üzere yapilandirilmaktadir. Veri sunucusu (2) çesitli veri kaynaklarindan hesaplamaya ait degiskenler almakta ve akisin devaminda kullanmak üzere bu degiskenleri olusturmak üzere yapilandirilmaktadir. Veri sunucusu (2) hesaplanan veriler içerisinden veri kalitesi bakimindan hatali ve/veya devam eden hesaplamalarda sapmaya sebep olabilecek aykiri degerlerin tespit edilip temizlenmesini ve analize uygun verilerin birlestirilmesini saglamak üzere yapilandirilmaktadir. Veri sunucusu (2) birlestirme isleminin ardindan önceden belirlenmis makine ögrenimi algoritmalari kullanarak birbirine en yakin müsterileri tespit etmek üzere yapilandirilmaktadir. Analiz sunucusu (3l veri sunucusunda (2] ayiklanan ve gruplandirilip analize hazir hale getirilen veri leri ve kampanya ölçümü için kullanilacak degiskenlerin müsteri bazinda otomatik olarak gerekli kaynaklardan alinmasini saglamak üzere yapilandirilmaktadir. Analiz sunucusu (3) kampanya kitlesinin veri sunucusu (2] tarafindan olusturulmus olan gruplandirilmaya göre dagilimini kontrol etmek üzere yapilandirilmaktadir. Analiz sunucusu (3) kampanya kitlesinin gruplar içindeki dagilim oranina göre, kampanyaya katilmamis müsteri bazinda, ayni dagilimi saglayacak ve benzer gelir grubundaki müsteriler üzerinden örnekler alinarak bir kontrol grubu olusturmak üzere yapilandirilmaktadir. Analiz sunucusu (3) kampanya kitlesinin kampanya katilimi sonrasi gelir degisimini, müsterinin kampanyayi/firmayi terk etme (churn) egilimini olusturdugu kontrol grubuyla kiyaslamali biçimde hesaplamak üzere yapilandirilmaktadir. Analiz sunucusu (3) kontrol grubunu kampanya kitlesine ait kullanicilar tarafindan belirlenen katmanlara (gelir, tüketin, ürün sahipligi gibi) göre benzestirmek üzere yapilandirilmaktadir. Analiz sunucusu (3) elde ettigi sonuçlari kampanyaya ait toplam gelir-gider tablolari olusturmak ve yetkili kullaniciya sunmak üzere yapilandirilmaktadir. Bulusun tercih edilen uygulamasinda analiz sunucusu (3) farkli kullanicilar tarafindan ayni anda kullanilabilecek sekilde yapilandirilmaktadir. Bulus konusu sistemde (l) öncelikle veri sunucusu (2) firina müsterilerine iliskin demografik bilgiler ve firma-müsteri bilgileri alinarak önceden belirlenmis algoritmalar ile gruplandirilrnaktadir. Analize hazir hale getirilerek gruplandirilan veriler, analiz sunucusu (3) tarafindan alinarak, yine analiz sunucusu (3) tarafindan, kampanyaya katilmayan müsteriler baz alinarak olusturulmus olan bir kontrol grubu ile kampanyaya katilan müsterileri gelir degisimi, firmayi/kampanyayi terk etme egilimi gibi konularda karsilastirmali olarak analiz etmektedir. Böylece kampanyanin etkileri, otomatik ve karsilastirmali biçimde analiz edilerek gelecekteki kainpanyalarin iyilestirilmesine kullanilabilmektedir. Bu temel kavramlar etrafinda, bulus konusu sistem (1) ile ilgili çok çesitli uygulamalarin gelistirilmesi mümkün olup, bulus burada açiklanan örneklerle sinirlandirilamaz, esas olarak istemlerde belirtildigi gibidir. TR
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TR2020/14503A TR202014503A2 (tr) | 2020-09-14 | 2020-09-14 | Kampanya sonrasi anali̇z si̇stemi̇ |
US18/025,384 US20240013253A1 (en) | 2020-09-14 | 2021-09-14 | Post-campaign analysis system |
GB2303634.6A GB2613309A (en) | 2020-09-14 | 2021-09-14 | Post-campaign analysis system |
PCT/TR2021/050926 WO2022055465A1 (en) | 2020-09-14 | 2021-09-14 | Post-campaign analysis system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TR2020/14503A TR202014503A2 (tr) | 2020-09-14 | 2020-09-14 | Kampanya sonrasi anali̇z si̇stemi̇ |
Publications (1)
Publication Number | Publication Date |
---|---|
TR202014503A2 true TR202014503A2 (tr) | 2020-12-21 |
Family
ID=75573358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
TR2020/14503A TR202014503A2 (tr) | 2020-09-14 | 2020-09-14 | Kampanya sonrasi anali̇z si̇stemi̇ |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240013253A1 (tr) |
GB (1) | GB2613309A (tr) |
TR (1) | TR202014503A2 (tr) |
WO (1) | WO2022055465A1 (tr) |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8712828B2 (en) * | 2005-12-30 | 2014-04-29 | Accenture Global Services Limited | Churn prediction and management system |
US10373194B2 (en) * | 2013-02-20 | 2019-08-06 | Datalogix Holdings, Inc. | System and method for measuring advertising effectiveness |
US20160203509A1 (en) * | 2015-01-14 | 2016-07-14 | Globys, Inc. | Churn Modeling Based On Subscriber Contextual And Behavioral Factors |
US10503788B1 (en) * | 2016-01-12 | 2019-12-10 | Equinix, Inc. | Magnetic score engine for a co-location facility |
US20180225682A1 (en) * | 2017-02-07 | 2018-08-09 | Videology, Inc. | Method and system for forecasting performance of persistent user accounts |
US20190266622A1 (en) * | 2018-02-27 | 2019-08-29 | Thinkcx Technologies, Inc. | System and method for measuring and predicting user behavior indicating satisfaction and churn probability |
-
2020
- 2020-09-14 TR TR2020/14503A patent/TR202014503A2/tr unknown
-
2021
- 2021-09-14 GB GB2303634.6A patent/GB2613309A/en active Pending
- 2021-09-14 US US18/025,384 patent/US20240013253A1/en active Pending
- 2021-09-14 WO PCT/TR2021/050926 patent/WO2022055465A1/en active Application Filing
Also Published As
Publication number | Publication date |
---|---|
GB2613309A (en) | 2023-05-31 |
WO2022055465A1 (en) | 2022-03-17 |
US20240013253A1 (en) | 2024-01-11 |
GB202303634D0 (en) | 2023-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
De et al. | Product-oriented web technologies and product returns: An exploratory study | |
CN110163683B (zh) | 价值用户关键指标确定方法、广告投放方法及装置 | |
Yang et al. | Transfer learning based on probabilistic latent semantic analysis for analyzing purchase behavior considering customers' membership stages | |
Gankidi et al. | Customer segmentation using machine learning | |
TR202014503A2 (tr) | Kampanya sonrasi anali̇z si̇stemi̇ | |
CN112132679A (zh) | 产品推荐方法及装置 | |
Wibowo et al. | Capturing Opportunities in the Industrial Revolution 4.0: E-Commerce, Digital Marketing, Prestige, and Instant Online Buying | |
US10210530B1 (en) | Selecting a report | |
Khan et al. | Factors affecting service quality, customer satisfaction and customer churn in Pakistan telecommunication services market | |
Yang et al. | A study on analysis methods of latent customer purchase behavior focused on membership stage growth | |
Noor et al. | Telecom Customer’s Segmentation Using Decision Tree to Increase Active Electronic Money Subscribers | |
Nurhidayat et al. | Analysis and Classification of Customer Churn Using Machine Learning Models | |
Weng et al. | The study and verification of mathematical modeling for customer purchasing behavior | |
TR2022018597A2 (tr) | Bi̇r kampanya öneri̇ si̇stemi̇ | |
CN111881355B (zh) | 对象的推荐方法、装置、存储介质和处理器 | |
Zebua et al. | Determination of Discounts Using K-Means Clustering with RFM Models in Retail Business | |
US20230034089A1 (en) | System for detecting and visualizing demographics, diversity and disparity in user-generated videos | |
Moodley | Enhancing the prediction of missing targeted items from the transactions of frequent, known users | |
CÜCE et al. | ISTANBUL TECHNICAL UNIVERSITY★ FACULTY OF MANAGEMENT | |
Mirzayev et al. | IMPACTS OF SOCIAL MEDIA ON CUSTOMERS'PURCHASING BEHAVIOUR EVIDENCE FROM AZERBAIJAN | |
KR20230148901A (ko) | 인공지능을 활용한 서비스 체험자의 설문 내용 심층 분석 기술 | |
Arayasaeng et al. | Using RFM-R Analysis for Effective Customer Segmentation in Bank Marketing | |
TR2021017936A2 (tr) | Siniflandirmaya dayali bi̇r öneri̇ si̇stemi̇ | |
Arslankaya | Determination of Factors Causing Customer Loss in the Banking Sector Using Data Mining Methods | |
Wyner | Customer classification |