Markdown optimization in apparel retail sector

Basit Öğe Kaydı
dc.authorid0000-0002-8741-1173
dc.contributor.advisorHekimoğlu, Mustafaen_US
dc.contributor.authorYıldız, Sevde Cerenen_US
dc.contributor.otherIşık Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği - Yöneylem Araştırması Yüksek Lisans Programıen_US
dc.date.accessioned2018-11-08T01:09:06Z
dc.date.available2018-11-08T01:09:06Z
dc.date.issued2018-01-16
dc.departmentIşık Üniversitesi, Fen Bilimleri Enstitüsü, Endüstri Mühendisliği - Yöneylem Araştırması Yüksek Lisans Programıen_US
dc.descriptionText in English ; Abstract: English and Turkishen_US
dc.descriptionIncludes bibliographical references (leaves 69-70)en_US
dc.descriptionxi, 70 leavesen_US
dc.description.abstractOver last decades, rapidly growing textile and apparel industry has become an important sector. The branding and ever-changing fashion sense have been a trigger for a major competition environment. Nowadays, increasing competition has accompanied by rapidly changing demand. This changing demand leads to imbalances between aggregate demand and inventory when combined with long lead times. In a sector where lead time is longer than the season, such as fashion sector, the elapsed time between demand and lead time makes dynamic prices important. Dynamic pricing is to change the sales price of the product over time, taking into account the remaining inventory and taking into account the up-todate customer demand. In this way, the inventory level of the products during the season can be controlled through demand and the cost of stock keeping and transportation can be reduced. In this study, an empirical model is developed by using the empirical sales data which consisting of diffirerent product groups over multiple selling season. As distinct from the literature, weighted least square estimation is used as a regression method in order to generate empirical demand model. Developed empirical model is used in markdown optimization as dynamic demand for revenue maximization. Mathematical model determines the optimal discount level for each product and also, determines when markdown prices should be applied while maximizing company revenue and considering inventory goals. As a result, it is observed that when the markdowns were applied to the products, the sales increases and the inventory level of each product is used up until the end of the season.en_US
dc.description.abstractHızla gelişen tekstil ve hazır giyim sektörü en önemli perakendecilik sektörlerinden biridir. Markalaşma ve sürekli değişen moda anlayışı büyük bir rekabet ortamının tetikleyicisi olmuştur. Günümüzde bu sektörde giderek artan rekabet koşulları, hızla değişen talepleri de beraberinde getirmiştir. Talepteki bu değişiiklik yüksek tedarik süreleriyle birleştiği zaman toplam talep ile envanter arasında dengesizliklere sebep olmaktadır. Moda sektörü gibi tedarik süresinin sezona göre daha uzun olduğu sektörlerde talep ile tedarik süresi arasında geçen süre dinamik fiyatlandırmayı önemli hale getirmiştir. Dinamik fiyatlandırma, tüketicinin istek ve ihtiyaçlarını göz önünde bulundurup satıcının karını gözeterek, ürünün satış fiyatının zamana bağlı olarak değiştirilmesidir. Bu sayede, sezon içinde ürünlerin stok seviyesi talep vasıtasıyla kontrol edilerek stok tutma ve taşıma maliyetleri azaltılabilir. Talep tahmini yapmak için işbirliği yapılan şirketten gelen farklı ürün gruplarına ait alınan verileri kullanarak ampirik bir model geliştirilmiştir. Literatürden farklı olarak, ampirik model ağırlıklı en küçük kareler yöntemi kullanılarak oluşturulmuştur. Geliştirilen ampirik model indirim optimizasyon modelinde gelir maksimizasyonu amacıyla dinamik bir talep olarak kullanılmıştır. Matematiksel model, envanter seviyelerinin göz önünnde bulundurarak, şirketin karını maksimize edecek şekilde her bir ürün için en uygun indirim seviyesini ve zamanını belirlemektedir. Sonuç olarak, ürünlere indirim uygulandığında, satşlarının arttığı ve envanter seviyelerinin sezon sonuna kadar tükendiği görülmüştür.en_US
dc.description.tableofcontentsDemand Prediction Modelen_US
dc.description.tableofcontentsRegression Models Analysisen_US
dc.description.tableofcontentsMultiple Linear Regression Modelsen_US
dc.description.tableofcontentsRegression Model 1en_US
dc.description.tableofcontentsRegression Model 2en_US
dc.description.tableofcontentsRegression Model 3en_US
dc.description.tableofcontentsRegression Model 4en_US
dc.description.tableofcontentsRegression Model 5en_US
dc.description.tableofcontentsMultiple Nonlinear Regression Modelsen_US
dc.description.tableofcontentsRegression Model 6en_US
dc.description.tableofcontentsRegression Model 7en_US
dc.description.tableofcontentsRegression Model 8en_US
dc.description.tableofcontentsRegression Model 9en_US
dc.description.tableofcontentsRegression Model 10en_US
dc.description.tableofcontentsMultiple Linear Regression Models with Weighted Least Square Methoden_US
dc.description.tableofcontentsRegression Model 11en_US
dc.description.tableofcontentsRegression Model 12en_US
dc.description.tableofcontentsRegression Model 13en_US
dc.description.tableofcontentsRegression Model 14en_US
dc.description.tableofcontentsRegression Model 15en_US
dc.description.tableofcontentsMultiple Nonlinear Regression Models with Weighted Least Square Methoden_US
dc.description.tableofcontentsRegression Model 16en_US
dc.description.tableofcontentsRegression Model 17en_US
dc.description.tableofcontentsRegression Model 18en_US
dc.description.tableofcontentsRegression Model 19en_US
dc.description.tableofcontentsRegression Model 20en_US
dc.description.tableofcontentsAnalysis of All Regression Modelsen_US
dc.description.tableofcontentsCross Validation Testen_US
dc.description.tableofcontentsSelecting Demand Modelen_US
dc.description.tableofcontentsMarkdown Optimization Modelen_US
dc.description.tableofcontentsMathematical Model Developmenten_US
dc.description.tableofcontentsStatic Approachen_US
dc.description.tableofcontentsDynamic Approachen_US
dc.identifier.citationYıldız, S. C., (2018). Markdown optimization in apparel retail sector. İstanbul: Işık Üniversitesi Fen Bilimleri Enstitüsü.en_US
dc.identifier.urihttps://hdl.handle.net/11729/1382
dc.institutionauthorYıldız, Sevde Cerenen_US
dc.institutionauthorid0000-0002-8741-1173
dc.language.isoenen_US
dc.publisherIşık Üniversitesien_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectDemand forecastingen_US
dc.subjectDynamic pricingen_US
dc.subjectMarkdown optimizationen_US
dc.subjectDinamik fiyatlandırmaen_US
dc.subjectİndirim optimizasyonuen_US
dc.subjectTalep tahminien_US
dc.subject.lccHF5428 .Y5 2018
dc.subject.lcshRetail trade -- Textile Industry.en_US
dc.subject.lcshMarkdowns.en_US
dc.subject.lcshPricing -- Mathematical models.en_US
dc.subject.lcshFashion merchandising -- Economic forecasting.en_US
dc.subject.lcshTextile Industry.en_US
dc.subject.lcshRegression analysis.en_US
dc.subject.lcshFashion -- Forecasting.en_US
dc.titleMarkdown optimization in apparel retail sectoren_US
dc.title.alternativeHazır giyim perakendecilik sektöründe fiyat optimizasyonuen_US
dc.typeMaster Thesisen_US
dspace.entity.typePublication

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
1382.pdf
Boyut:
1.7 MB
Biçim:
Adobe Portable Document Format
Açıklama:
MasterThesis
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Lisansüstü Eğitim Enstitüsü Tez Koleksiyonu