İnternet kullanımının son yıllarda yaygınlaşması, bireylerin ve toplumların iletişimden alışveriş alışkanlıklarına kadar neredeyse her alanda davranışlarının evrilerek büyük değişikliklerin ortaya çıkmasına sebep olmuştur. Böylece geleneksel iletişim yöntemleri de dönüşüme uğramıştır. Bu gelişmeler sonucunda, günümüzde en yaygın iletişim aracı olarak kabul edilen sosyal medya kavramı doğmuştur. Yeni bir iletişim şekli olan sosyal medya, kurum ve kuruluşların hedef kitleleri ile yer ve zaman kısıtı olmaksızın doğrudan iletişim kurabilmelerini mümkün kılarak reklam verenler için ürünlerini tanıtabilecekleri oldukça etkili bir kanal haline gelmiştir. Sosyal medyada ürün pazarlamak “fenomen” olarak adlandırılan kişiler sayesinde gerçekleşmektedir ve her fenomenin hitap ettiği bir hedef kitle bulunmaktadır. Bu bağlamda, fenomenlerin hitap ettiği hedef kitle ile reklamı yapılacak ürünün hedef kitlesinin doğru bir şekilde eşleşmesi, sosyal medya üzerinden yapılan ürün pazarlamasında kritik bir rol oynamaktadır. Bu çalışmada en doğru fenomen-ürün hedef kitle eşleşmesini gerçekleştirebilmek adına, Instagram fenomenlerinin paylaşmış olduğu gönderileri analiz ederek fenomenin hedef kitlesini kategorize eden bir metin sınıflandırma modeli geliştirilmiştir. Bu amaç doğrultusunda veri gizliliğini ihlal etmemek adına Instagram profili herkese açık olan 1.005 farklı fenomenin üçüncü taraf bir yazılım ile gönderileri elde edilerek bu gönderilerdeki açıklamalar BERTopic mimarisi ile kümelenmiştir. Oluşturulan kümelerin temsilleri ve içeriği incelenerek temsil ettiği kategoriye göre etiketlenmiştir. Etiketlenen veriler ile BERTurk sınıflandırma modeli geliştirilmiştir. Sınıflandırma model performans değerlendirilmesi sonucunda ölçülerek 0,92 doğruluk ve 0,91 F1 skor değeri elde edilmiştir. Elde edilen sonuçlar doğrultusunda yüksek sınıflandırma doğruluğu ile fenomen gönderilerini otomatik olarak kategorize edebilen bir sistem geliştirilmiş ve fenomen-ürün hedef kitle eşleştirilmesinde başarıyla kullanılmıştır.
The widespread adoption of the internet has led to significant transformations in individual and societal behaviors, influencing everything from communication to shopping habits. As a result, traditional communication methods have evolved, giving rise to social media as a dominant medium today. Social media enables organizations to engage directly with target audiences without geographical or temporal constraints, making it an effective platform for advertisers. Social media marketing is often facilitated by “influencers,” individuals who have built their own audience. Accurate matching between the influencer's target audience and the advertised product's audience is essential for effective social media marketing. This study aims to develop a text classification model that categorizes the target audiences of Instagram influencers by analyzing their posts, in order to achieve the most accurate influencer-product target audience matching. To avoid violating data privacy, posts from 1.005 distinct influencers with publicly accessible Instagram profiles were collected using a third-part software, and the descriptions in these posts were clustered using the BERTopic architecture for topic modeling. A BERTurk classification model was developed using the labeled data. The representations and content of the resulting clusters were analyzed and labeled according to the categories they represented. These labeled records were then used for classification purposes. The performance of the classification model was evaluated, achieving an accuracy of 0,92 and an F1 score of 0,91. The results demonstrate the development of a system that can automatically categorize influencer posts with high classification accuracy and has been successfully applied for influencer-product target audience matching.