Since the world is changing the needs of the human beings are changing and increasing as day passes. E-commerce sites are becoming popular since they fit the contemporary daily life. One out of every twenty people uses e-commerce site for shopping and they are recommended with some products which other users also interested in or ordered.In this Study, Association analysis is carried out for an e-commerce site. With analyzing cloth sales data for the e-commerce site of a private Turkish retail company, concerning gender and age parameters, the association rules for which products are bought together is discovered. FP-Growth and Apriori are used for association rules. While discovering similarities between two customers Cosine, Pearson, and Jaccard are utilized. K-means is used as Clustering analysis, to cluster customers according age and gender properties of customers. WEKA software is used to discover the association rules in data and using a developed GUI clustering and association analysis are further performed.

Bu çalışmada,Bir e-ticaret sitesi için, birliktelik analizi uygulaması ele alınmıştır. Hızlı değişen dünya koşullarından ötürü insanoğlunun ihtiyaçları gün geçtikçe artmakta ve değişmektedir. Bununla birlikte, insanların karşılanması gereken ihtiyaçları ve zaman kısıtlarından dolayı, e-ticaret alışverişin kullanım ve tercih oranları gün geçtikçe artmaktadır. Her 20 kişiden biri e-ticaret alışveriş sitelerini kullanarak, alışveriş yapmaktadır ve alışveriş yaptıkları ürünler ile ilgili karşılarına bir başka kişinin bu ürünle birlikte neler aldığı seçenekleri çıkmaktadır.Özel bir şirkete ait e-ticaret perakende giyim verileri kullanılarak, yaş ve cinsiyet parametreleri de işin içine katılarak herhangi bir ürün satın alan müşterilerin başka hangi ürünleri satın aldıkları tespit edilmiştir. Birliktelik kuralları olarak Apriori ve FP-Growth algoritmaları kullanılmıştır. İki müşteri arasındaki benzerlik bulunurken Cosine, Pearson ve Jaccard benzerlikleri kullanılmıştır. Kümeleme analizi metotlarından k-ortalamalar kullanılarak; müşteriler yaş ve cinsiyet niteliklerine göre kümelenmiştir. Weka programı ile gerçek veriler üzerinde birliktelik kuralları elde edilmiştir ve bir kullanıcı ara yüzü ile benzerlik ve kümeleme analizleri yapılmıştır.