Türkiye’de Özel Etiketli Markalar için Premium Konseptli Mağaza Yayılımı: File Market Örneği ve Makine Öğrenmesi Yaklaşımı
DOI:
https://doi.org/10.20491/isarder.2026.2257Anahtar Kelimeler:
İndirimli Marketler- Özel Etiketli Markalar- Premium Perakendecilik- Karar Destek Sistemleri- Makine Öğrenmesi Modelleri- Veri BilimiÖzet
Amaç – Bu çalışmada Türkiye’nin önde gelen indirim market zincirlerinden BİM ve onun premium konseptli markası File Market ele alınmıştır. Bu çalışma, özel etiketli markaların premium perakendecilik bağlamında potansiyel mağaza açma stratejilerini sosyoekonomik veriler ve makine öğrenmesi yöntemleri aracılığıyla analiz etmeyi amaçlamaktadır. Araştırmada, henüz File Market bulunmayan iller için potansiyel mağaza sayıları, veri temelli yaklaşımla tahmin edilmesi ve bu süreçte en uygun modellerin belirlenmesi amaçlanmıştır.
Yöntem – Araştırmada 81 il için nüfus, gelir, enerji tüketimi, okur yazarlık, emlak fiyatı ve araç sahipliği gibi sosyoekonomik göstergeler toplanmış; mevcut BİM ve File Market şube sayılarıyla birlikte veri setine dâhil edilmiştir. Tahminleme sürecinde Gradient Boosting, Doğrusal Regresyon, Random Forest, Destek Vektör Makineleri, k-En Yakın Komşu ve Sinir Ağı modelleri Orange Data Mining yazılımı aracılığıyla karşılaştırılmıştır. Model performansları MSE, RMSE, MAE, MAPE ve R² metrikleriyle değerlendirilmiştir.
Bulgular – Araştırmanın temel amacına uygun olarak, bu çalışma kapsamında henüz File Market bulunmayan iller için potansiyel mağaza sayıları, veri temelli yaklaşımla tahmin edilmiştir. Analiz sonuçları, özellikle Gradient Boosting ve Doğrusal Regresyon modellerinin diğer yöntemlere kıyasla daha yüksek doğruluk ve tutarlılık sergilediğini göstermektedir. Doğrusal Regresyon modeli yüksek açıklayıcılık (R²=0,971) sağlarken; Gradient Boosting, negatif veya anlamsız tahminler üretmemesi ve doğrusal olmayan ilişkileri daha iyi yakalamasıyla öne çıkmıştır. Her iki model de potansiyel lokasyon sayılarının tahmininde stratejik karar desteği sağlayabilecek güçlü araçlar olarak belirlenmiştir.
Tartışma – Elde edilen bulgular, perakende sektöründe potansiyel mağaza sayısının sosyoekonomik veriler ve makine öğrenmesi tabanlı modeller aracılığıyla belirlenmesinin hem operasyonel hem de pazarlama stratejilerinin etkinliğini artırabileceğini göstermektedir. File Market örneği, premium konumlandırma stratejisiyle farklı gelir segmentlerine ulaşma ve marka imajını güçlendirme potansiyelini göstermektedir. Bu yaklaşım, doğru müşteri profili ile ideal lokasyon sayısını eşleştirerek perakendecilere rekabet avantajı sağlamaktadır ve sürdürülebilir büyümeye katkıda bulunmaktadır.
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Lisans

Bu çalışma Creative Commons Attribution-NoDerivatives 4.0 International License ile lisanslanmıştır.