Sıralama ve skorlama problemlerini veri bilimi ile çözümlendirme

Sıralama ve skorlama problemlerini veri bilimi ile çözümlendirme

Online satış kanalları gibi ürün yorum ve puanlamalarının oldukça önemli olduğu sıralama ve skorlama problemlerinin veri bilimi ile çözüm yaklaşımlarını inceliyoruz.
Serdar Tafralı28 Ağu 2022

Bu yazımda sizlere veri bilimi uygulamalarıyla dijital pazar yerleri ve e-ticaret sitelerinde ürünlerin ve ürün yorumlarının puanlanması ve sıralanması, kullanıcılara sunulan özelliklerin verimlilik testi gibi problemlere ve bu problemler karşısında üretilen çözümlere değineceğim. Şimdi bu konuyu bir kullanıcının satın alma deneyimi üzerinden inceleyelim.
 

Kullanıcıya bir ürünü satın aldıran nedir?

Bir kullanıcı bir ürün satın almak istediğinde, çeşitli platformlarda istediği ürünü araması sonucunda karşısına platform deneyimi özelinde bir ürün listesi ile karşılaşır. Bu listelerde genellikle arama yapılan kelimeler ile ilişkili ürünler, bu ürünlerin kısa açıklamaları, puanları, puan ve yorum sayıları gibi bir takım bilgiler yer alır. Kullanıcı için bu liste ile karşılaşma anından itibaren satın almaya karar verme süreci başlar. Kullanıcının genel amacı fiyat ve performans açısından en iyi ürünü satın almaktır.

Kullanıcının satın alma kararını en çok etkileyen faktörlerden biri sosyal ispat” dediğimiz kavramdır. Kullanıcı ürünlerin yorumlarını, puanlarını inceler, diğer kullanıcıların ürün hakkındaki yorumlarını içeren yazılara ve videolara göz atar ve toplumun ürün üzerindeki tepkisini anlamaya çalışır. Bu sosyal ispat araştırması sonucunda kullanıcı ürün üzerinde bir kanaate varır.

Kullanıcının başka insanların olumlu düşünceleri üzerinden, pozitif bir kanaate varması oldukça olasıdır. Bu durum “topluluğun bilgeliği” olarak adlandırılır. “Çok sayıda insanın yaptığı davranışın bir temeli vardır” düşüncesiyle oluşan bu sosyal ispatlara itimat eden kullanıcılar, satın almalarını bu düşünce üzerinden gerçekleştirir.

Bu duruma örnek olarak bir kullanıcının tüm değişkenlerin eşit olduğunu varsaydığımız aşağıdaki örnekte öncelikle mavi olan ürüne yönelmesini bekleyebiliriz. Çünkü kullanıcı, aşağıdaki ürünleri kullananların mavi ürüne daha yüksek değerlendirmeler verdiğini gözlemlemektedir.

 

 

Şimdi yukarıdaki duruma bir özellik daha ekleyip tekrar inceleyelim. Aşağıdaki görselde görebileceğiniz üzere puanlamaların sayısını işin içine dahil ettiğimizde puanı yarım yıldız daha düşük olmasına rağmen çoğu müşterinin kırmızı ürünü tercih ettiği gözlemlenmektedir. Bunun sebebi sosyal ispat durumudur. Bir tarafta 7 kişilik 5 yıldızlı bir değerlendirme varken diğer tarafta 256 kişilik 4.5 yıldızlı ortak bir görüş söz konusudur. Bu doğrultuda kullanıcı gözünde sosyal ispat açısından sağdaki kırmızı ürün, soldaki mavi ürüne göre daha üstün olacaktır.

 

 

Pazar yerlerinin bu kapsamdaki rolü ise kullanıcılara ürünleri en doğru şekilde ulaştırmaktır. Bir pazar yeri, kullanıcıların ürünleri listelediği sayfalarda sponsorluk alarak sıralamalardan bağımsız bir şekilde belirli ürünleri öne çıkarabilir. Pazar yerlerinin bu kapsamda en dikkatli olması gereken durum ise ‘sosyal ispat’ temas noktalarının pazarı manipüle etmekten imtina edecek şekilde objektif biçimde kullanıcıya sunmasıdır. Bu objektiflik ışığında ürünlere yapılan yorumların sıralamalarının doğru yansıtılması ve puan hesaplamalarının en doğru şekilde yapılması gerekmektedir.

 

Bir veri bilimcinin bu kapsamda çözüm üretmek amacıyla çalışacağı konular şu şekilde olacaktır:

  • Ürün puanlarının hesaplanması,
  • Ürünlerin belirli kriterlere göre sıralanması,
  • Ürünleri yorumlarının sıralanması,
  • Sayfa, süreç ve etkileşim alanlarının tasarlanması,
  • Özellik deneyimleri
  • Olası aksiyonların ve reaksiyonların test edilmesi.

 

Bu süreçte kullanıcının deneyimini etkileyen başlıkların birçoğunda bir veri bilimcinin kullanacağı bazı bilimsel metotlar mevcuttur:

  • Ürün Puanlandırma: Ürün puanlandırma aşamasında objektifliği sağlamak adına yapılan puanlandırmaların, yapıldığı tarihlerin ve puanlandırmaları yapan kullanıcıların verilerini inceleyerek doğru ağırlıklarla son kullanıcıya yansıtılması önemlidir.
  • Yorumları Sıralama: Puanlandırma aşamasında olduğu gibi yapılan yorumların sayısı, tarihi, ve yorumu yapan kullanıcılar üzerinden çeşitli tekniklerle ağırlıklar belirlenerek yorum sıralamaları son kullanıcıya objektifliği koruyacak şekilde sunulmalıdır.
  • Ürün Sıralama: Tüm bu yorum ve puan sıralamalarının sonucunda adil ve doğru ürün sıralamasının kullanıcıya sunulması hem satıcı hem de tüketici için önemlidir. Bir örnek vermek gerekirse, verilerin doğru ağırlıklar belirlenerek işleme alınıp kullanıcıya aktarılmaması durumunda pazara yeni girmiş, henüz yorum ve puanlandırma sayısı yüksek olmayan kaliteli ürünler, hiçbir zaman son kullanıcının karşısına çıkamayacaktır.
  • Özellik Testi: Veri bilimi alanında en çok kullanılan metotlardan biridir. A ve B birer özelliği temsil etmek üzere, iki grup arasında farklılık olup olmadığını gözlemlemek amacıyla kullanılır.
  • Dinamik Fiyatlandırma: Fiyatlandırmalar üzerinde yapılan değişiklikleri, çeşitli veri bilimi çalışmaları üzerinden (AB Testi gibi) optimum seviyeye getirmek. 

 

konu başlıkları altında ölçüm problemlerine çeşitli çözümlendirmeler sunulabilir.

 

Ölçümleme problemleri hakkında detaylı bilgi edinmek isterseniz Miuul'un Ölçümleme problemleri üzerine oluşturduğu eşsiz eğitimlere mutlaka göz atmalısınız. Veri bilimini kariyer yolunuz haline getirmek istiyorsanız, Miuul’un Veri Bilimci Kariyer Yolculuğu sektörden güç alan projeleri ile tam olarak aradığınız eğitimi sizlere sunacaktır.


 

Kaynaklar

MiuulÖlçümleme Problemleri

İlginizi Çekebilir
Miuul topluluğunun bir parçası ol!

Abone ol butonuna tıklayarak Miuul'dan pazarlama ve haber içerikleri almayı onaylıyorum.