This study aims to compare the accuracy performances of different machine learning algorithms (Logistic Regression, Decision Tree, Support Vector Machines (SVMs), Random Forest, Artificial Neural Network, and XGBoost) using World Happiness Index data. The study is based on the 2024 World Happiness Report data and employs indicators such as Ladder Score, GDP Per Capita, Social Support, Healthy Life Expectancy, Freedom to Determine Life Choices, Generosity, and Perception of Corruption. Initially, the K-Means clustering algorithm is applied to group countries into four main clusters representing distinct happiness levels based on their socioeconomic profiles. Subsequently, classification algorithms are used to predict the cluster membership and the accuracy scores obtained serve as an indirect measure of the clustering quality. As a result of the analysis, Logistic Regression, Decision Tree, SVM, and Neural Network achieve high accuracy rates of 86.2%, whereas XGBoost exhibits the lowest performance at 79.3%. Furthermore, the practical implications of these findings are significant, as they provide policymakers with actionable insights to develop targeted strategies for enhancing national happiness and improving socioeconomic well-being. In conclusion, this study offers valuable information for more effective classification and analysis of World Happiness Index data by comparing the performance of various machine learning algorithms.

Globalleşen dünyada ürünler, enerjiden, elektroniğe, bilişime, tekstile, otomotive, gıdaya, temizlik ürünlerine kadar her geçen gün artan çeşitlilik göstermekteler. Sosyal yapıları ve ekonomik gelirleri farklılık gösteren ve birbirlerinden ayrışan satın alma kararlarına sahip olan tüketiciler de, gittikçe küçülen pazar bölümlerine ayrışmaktalar. Kararların neye göre verildiğini belirleyebilmek adına, yeni pazarlama stratejileri oluşturulmasının ve bunların geliştirilmesinin gerekliliği ortaya çıkmıştır. Bu şartlar altında markalaşmanın kuralları belirlenirken tüketiciler, üreticiler ve perakendeciler önemli kavramlar olarak ortaya çıkmaktadırlar. Bu çalışma, market markalarını tercih eden-etmeyen müşterilerin sosyoekonomik konumlarını, demografik özelliklerini, kişisel özelliklerini, alış-veriş tercihlerini vb. özelliklerini belirlemeye çalışmıştır. Çalışma da, alıcılarının profili belirleme işleminde, kümeleme ve varyans analizinden ve tukey testlerden yararlanılmıştır. Analizler sonucunda ulaşılan üç küme ile ilgili bilgiler tablolar aracılığı ile özetlendi. Ulaşılan sonuçlara göre, 1. kümede bulunan gelir ve eğitim düzeyi yüksek müşteriler, ulusal/uluslar arası marka kullanımına hassastırlar ve tercihlerini bu yönde oluşturmaktadırlar. Market markalı ürünleri kaliteli olarak algılamamakta, fiyat ve kalitenin ilişkili olduğu düşünmektedirler. 2. kümede, orta gelir grubuna dahil, kalite algısına önem veren, market markalı ürünleri kaliteli olarak algılayan, fiyatını makul bulan bir kesim bulunmaktadır. 3. küme ki alım gücü düşük bireyler, market markalı ürünün marka değerini yüksek, ulaşılabilir, çeşitliliğini çok ve market tarafından garanti altına alınmış ürünler olarak tanımlamaktadırlar.

Bu çalışma, bir müşteri veri setinin kullanımı ile müşteri segmentasyonu ve davranış analizi yapılarak gerçekleştirilmiştir. Veri seti, 1000 müşteriden oluşmakta ve 9 farklı değişken içermektedir. Çalışma ile Random Forest algoritması kullanılarak; gelir, harcama skoru, üyelik süresi gibi özelliklerin müşteri davranışlarını nasıl etkilediği araştırılmıştır. Gerçekleştirilen özellik önemi analizi ile gelirin ve satın alma sıklığının, müşteri davranışlarının tahmin edilmesinde en etkili faktörler olduğu, yaş, harcama skoru ve üyelik süresi değişkenlerinin ise daha düşük öneme sahip oldukları belirlenmiştir. Ayrıca, cinsiyet, tercih edilen kategori ve gelir dağılımı gibi demografik faktörlerin de, müşteri segmentasyonuna etkileri bulunmaktadır. Çalışma; müşteri değerlemesi ve pazarlama stratejilerinin geliştirilmesinde kullanılabilecek önemli içgörüler sunmaktadır. Segmentasyon analizi sonucunda, yüksek gelirli ve yüksek harcama gerçekleştiren müşteri gruplarına yönelik olarak özel stratejiler geliştirilmesi gerekliliği sonucuna ulaşılmıştır. Bu tür analizlerin, işletmelerin müşteri kitlelerini daha iyi anlamalarına ve stratejik kararlar almalarına yardımcı olabileceği düşünülmektedir.

Bu çalışma, bir şehrin sakinlerinin, şehirlerine duydukları güven, bağlılık ve şehrin kişiliğine olan algıları arasındaki yapısal ilişkileri belirlemek amacı ile gerçekleştirilmiştir. Bu amaçla marka kişiliğinin, marka bağlığı üzerindeki etkisinde, marka güveninin aracılık rolünün olup olmadığına ilişkin bir Yapısal Eşitlik Modeli (YEM) oluşturulmuştur. 400 gönüllü ile gerçekleştirilen çalışmanın verilerinin analizi SPSS 22.0 ve AMOS 24 programları ile gerçekleştirilmiştir. Oluşturulan YEM önerisinde modelin uygunluğunun sınanması, farklı uyum ölçüleri göz önünde bulundurularak gerçekleştirilmiştir. Çalışma sonucunda, Aydın şehrinin sakinlerinin, şehirlerine güven ve bağlılık duydukları belirlenmiştir. Şehrin marka güveninin ilk sıralardaki boyutları; şehre duyulan güven, şehrin isminin şehrin garantisi olarak algılanışı, şehrin halkına en iyi imkânları sunmak için çalışması, halkının mutluluğuna uğraşması, temel ilgisinin sadece halkının menfaati oluşu ve halkını hayâl kırıklığına uğratmayacağına olan inanç olarak özetlenebilir. Şehrin marka bağlılığının ilk sıralardaki boyutları da; Halkının her zaman övgüyle bahsettiği şehir oluşu, tüm tanıdıklarına tatilleri ve yaşamaları için Aydın’ın tavsiye edilmesidir. Aydın’da yaşadıkları için kendilerini ayrıcalıklı/özel hissetmeleridir. Bir kere hayal kırıklığına uğratsa da, bir daha bunu tekrarlamayacağı bilinerek yine onun lehine tercihte bulunulması ve bir imkân daha olsa yine Aydın’da yaşamanın tercih edilmesi şeklinde özetlenebilir. Şehrin yaşayanları, şehrin kişiliğini öncelikli olarak; gerçekçi, istikrarlı, dinamik/aktif, sorumluluk sahibi, yenilikçi ve duygusal/romantik olarak algılamaktadırlar. Algılanan kişiliğin, marka bağımlılığının oluşmasını sağlamaya ve markaya yönelik güven oluşturmaya olumlu yönde etkisinin olduğu ve bu değişkenler arasında bir köprü görevi oluşturduğu belirlenmiştir. Çalışmanın, şehir marka bağımlılığı oluşumunun sağlanmasına, marka güveni ve marka kişiliği bağlamında teorik bir yaklaşım geliştirerek katkıda bulunabileceği düşünülmektedir.

Bu çalışma, e ticaret siteleri aracılığı ile alışverişlerini gerçekleştiren ve bir dijital pazarlama kampanyasına katılan müşterilerin verilerinin analiz edilerek, dönüşüm (conversion) oranlarını etkileyen faktörlerin incelenmesi ile gerçekleştirilmişti. Hesaplanan Keşifsel Veri Analizi (EDA) sonucunda, yaş, gelir, web sitesi etkileşimleri ve reklam harcamaları değişkenlerinin, dönüşüm üzerinde önemli etkiler yarattığı tespit edilmiştir. Modelleme aşamasında, dönüşüm oranlarını tahmin etmek için Random Forest sınıflandırma algoritması kullanılmıştır. Modelin genel doğruluk skoru %88.12 olarak hesaplanmıştır. Ancak, modelin “Dönüşüm Yok” sınıfını tahmin etmede zayıf kaldığı, bunun aksine “Dönüşüm” sınıfında yüksek bir performans sergilediği görülmüştür. Dengesiz veri dağılımından kaynaklanan bu durum, modelin iyileştirilmesi için sınıf dengesi stratejilerinin kullanılabileceğini göstermektedir. Analiz sonuçları, reklam harcamaları, web sitesi ziyaretleri ve tıklama oranlarının dönüşüm üzerinde önemli etkileri olduğunu göstermektedir. Bu bulgular, dijital pazarlama stratejilerinin kişiselleştirilmiş yaklaşımlarla optimize edilmesi gerektiğini vurgulamaktadır.