A/B testini, iki farklı tasarımın test edilerek karşılaştırılması olarak tanımlayabiliriz. Yapılmak istenen karşılaştırmaya göre, kullanıcılar ikiye bölünür. A grubu eski sisteme yönlendirilirken, B grubu yeni sisteme yönlendirilir. Bu durumda iki grup arasında fark olup olmadığına bakılır. Test sonucunda kullanıcı davranışlarına bakarak aksiyon alınabilir.

H0 = Normal dağılım varsayımı sağlanmaktadır.

H1 = Normal dağılım varsayımı sağlanmamaktadır.

Burada H0 için, “normal dağılım varsayımı sağlanmaktadır” ifadesi iki sistem arasında anlamlı bir fark olmadığını, H1 ifadesi ise iki sistem arasında anlamlı bir fark olduğunu belirtir.

p-value < 0.05 ise, H0 reddedilir.

p-value > 0.05 ise, H0 reddedilemez.

Yapacağımız projeyle ilgili bilgiler ise şöyle;

İş…


RFM, Yenilik(Recency), Sıklık(Frequency) ve Parasal Değer(Monetary) anlamına gelir.

Yenilik(Recency); bir müşterinin mağazanızdan ne kadar yakın zamanda satın alma işlemi gerçekleştirdiği bilgisini verir.

Sıklık(Frequency), bir müşterinin sizden ne sıklıkla satın alma yaptığı ile ilgili değerdir.

Parasal Değer(Monetary), bir müşterinin mağazanızda harcadığı para miktarı anlamına gelir.

Bu üç parametre ile birlikte, müşteri bazlı segmentasyon yapabiliriz. Örneğin;

-en sadık müşteriniz kim?

-hangi müşterilerinizi kaybetmek üzeresiniz?

-kampanyanıza yanıt verme olasılığı en yüksek müşteri grubu hangisi?

Şimdi elimizde bulunan veri setiyle RFM’in nasıl analiz edildiğini ve müşterilerin nasıl segmentlere ayrıldığını inceleyelim.

Veri seti hikayesi:

Online Retail II isimli veri seti İngiltere merkezli online bir satış…

Zeynep Merve Baş

Computer Engineer | Data Science Enthusiast

Get the Medium app

A button that says 'Download on the App Store', and if clicked it will lead you to the iOS App store
A button that says 'Get it on, Google Play', and if clicked it will lead you to the Google Play store